Étude expérimentale de la perception de la modalité à travers l’intonation en anglais
Bibliographic record
Abstract
En anglais comme en français, on peut formuler une question sans changer la syntaxe d’un énoncé, simplement en lui associant une intonation interrogative. Cette étude porte sur la perception de deux modalités d’intonation – interrogative et déclarative – dans des énoncés comportant trois niveaux de difficulté syntaxique ou lexicale. Les participants avaient pour tâche de discerner quelle était la modalité de chaque énoncé, interrogative ou déclarative, et de réagir à l’aide d’un dispositif enregistrant leur temps de réponse. Il y avait trois groupes de participants : des anglophones, des étudiants français anglicistes ayant séjourné une année en pays de langue anglaise et des étudiants français non anglicistes. Les résultats permettent de dégager des tendances par groupe : les anglophones répondent plus rapidement que les anglicistes qui sont eux-mêmes plus rapides que les non anglicistes. Il y a également une interaction entre groupes et modalité, car les étudiants francophones identifient les énoncés déclaratifs plus rapidement que les interrogatifs, alors que pour les anglophones c’est l’inverse. En ce qui concerne les types d’énoncés, les temps de réponse sont significativement plus lents pour les phrases syntaxiquement incomplètes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".