Percepción y producción de acento en alumnos angloparlantes de ELSE en la Argentina: Efectos del entrenamiento y de la inmersión
Bibliographic record
Abstract
El presente estudio investiga la percepción y la producción del acento léxico en palabras agudas y graves terminadas en /a e o/ en hablantes nativos de inglés americano que estudian español como L2 en un curso de inmersión en la Argentina, comparándolos con un grupo de hablantes nativos de español rioplatense. Además, explora si los angloparlantes mejoran la percepción y producción del acento en español luego de un breve entrenamiento perceptual con palabras inventadas centrado en los contrastes de acento. Los resultados muestran que los grupos control (N=16) y entrenado (N=16) presentaron dificultades en la identificación del acento en comparación con el grupo nativo de español (N=14) en el pretest. Sin embargo, luego del entrenamiento, el grupo entrenado se comportó de manera similar al grupo nativo mientras que se diferenció del grupo control. El grupo control siguió diferenció del grupo nativo en el posttest. Los resultados de producción demuestran que tanto el grupo control como el entrenado presentaron dificultades al producir el acento en palabras agudas en comparación con el grupo nativo en el pretest y en el posttest; la producción del acento en palabras graves no fue un problema. Se observa un efecto del entrenamiento y de la exposición a la L2 tanto en la percepción como en la producción.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".