Now You Hear It, Now You Don’t: Perception of English Regular Past –<i>ed</i> in Naturalistic Input
Bibliographic record
Abstract
De précédentes recherches ont démontré que les formes régulières du passé des verbes anglais sont difficiles à percevoir. Or les chercheurs qui se sont intéressés à cette perception ont jusqu’à maintenant soumis leurs intrants à un traitement expérimental, la façon dont les indices contextuels, au-delà des adverbes de temps, influent sur la perception du passé régulier n’ayant pas retenu leur attention. Les auteurs se demandent si les apprenants de l’anglais langue seconde (L2) et les locuteurs natifs de l’anglais (L1) perçoivent le passé régulier – ed lorsque l’intrant s’inscrit dans un contexte naturaliste, si le rendu phonologique (marqué [әd] ou non marqué [t, d]) influe sur leur perception et si leur exposition à la langue et l’usage qu’ils en font sont liés à une confiance ou une justesse perceptuelle accrue. Dans le cadre de l’expérience menée par les auteurs, 11 locuteurs de la L1 et 28 apprenants de la L2 (14 de niveau intermédiaire et 14 de niveau avancé) ayant visionné 64 vidéoclips de comédies de situation télévisées (contenant 32 formes régulières du passé et 32 formes de base) ont indiqué s’ils entendaient ou non la terminaison – ed et ont noté leur degré de confiance sur une échelle de Likert à 8 points. Les apprenants de la L2 de niveau avancé ont perçu la terminaison – ed avec autant de justesse que les locuteurs de la L1, la performance de ces deux groupes s’étant révélée supérieure à celle des apprenants de niveau intermédiaire. Tous les participants ont perçu la terminaison [әd] avec plus de justesse que les terminaisons [t, d]. La confiance augmentait avec la maîtrise de la langue et diminuait avec la difficulté phonologique. La justesse de perception des apprenants en corrélation avec une mesure de l’exposition à la L2, ainsi que des entrevues, ont révélé des similitudes dans l’usage des indices du discours pour interpréter le temps chez les apprenants de niveau avancé de la L2 et les locuteurs de la L1. Les résultats de l’étude confirment que la perception de la terminaison – ed suppose l’interprétation de multiples indices contextuels.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".