The effects of speaker familiarity on neural correlates of early lexical-semantic processing : A developmental investigation across diverse language backgrounds
Bibliographic record
Abstract
Les effets de la familiarité d'un locuteur sur les corrélats neuronaux du traitement lexico-sémantique : une étude développementale dans divers environnements linguistiques Les études sur le développement du langage ont démontré un réseau lexico-sémantique robuste chez les monolingues vers 24 mois et chez les bilingues vers 30 mois. Les voix familières, notamment celle de la mère, peuvent faciliter le traitement du langage chez les nourrissons. Cependant, peu d'études s'intéressent au traitement lexico-sémantique d'une voix familière non maternelle. Les capacités de perception vocale varient selon l’expérience linguistique, soulignant aussi l’importance d’étudier différents groupes dans l’analyse des effets de familiarité de la voix. Nous avons étudié le N400, un potentiel évoqué lié au traitement lexico-sémantique, pour déterminer si la familiarité d’une voix influence le traitement auditif des mots. Utilisant un paradigme d'amorçage sémantique, nous avons étudié des monolingues apprenant le français (étude 1, 18 mois, N=30 ; étude 2, 14 mois, N=30) et des bilingues apprenant le français et une autre langue (étude 3, 24-30 mois, N=32). Nous avons également examiné ces effets chez des bilingues anglais-chinois (étude 4, 24-30 mois, N=18) en collaboration avec un laboratoire canadien. Nous avons émis l'hypothèse que l'effet N400 serait plus important pour les mots présentés par une voix familière, pour les enfants disposant d'un grand vocabulaire et pour la langue dominante des enfants bilingues. L'activité cérébrale des participants a été enregistrée par électroencéphalographie lors de l'écoute des stimuli dans un paradigme d’amorçage sémantique. Les données ont été récoltées à Paris à partir d'un HydroCel Geodesic Sensor Net (GSN) avec 128 électrodes, et les données collectées au Canada ont été enregistrées à partir d'un HydroCel GSN avec 64 électrodes. Afin de se familiariser avec une nouvelle voix, les participants ont écouté des enregistrements audio pendant 7 jours avant l'expérience. Lors de l'expérience, les participants entendaient 20 paires de mots, taxonomiquement liés ou non, avec une voix familière ou une nouvelle voix. Nous avons réalisé des analyses top-down (ANOVA) et bottom-up (cluster-based permutation) pour analyser les données récoltées. La fenêtre temporelle du N400 était de 300 à 700 ms, avec une fenêtre antérieure de 150 à 300 ms pour examiner les effets précoces. Les résultats ont montré de plus grands effets N400 pour la voix familière chez les enfants de 18 mois (étude 1) et pour la voix non familière chez les enfants de 14 mois (étude 2). Nous n'avons pas trouvé de N400 dans l'étude 3, ce qui indiquerait une émergence plus tardive de l'amorçage sémantique chez les bilingues. Des analyses exploratoires ont révélé un effet de congruence (associé au traitement lexical) pour la voix familière chez les bilingues apprenant des langues distantes (étude 3) et pour les monolingues de 18 mois entendant une voix non familière (étude 1). Dans l'étude 4, des effets N400 ont été observés pour la langue sociétale (c’est-à-dire l’anglais) indépendamment de la familiarité de la voix. Les analyses exploratoires ont suggéré que la familiarité de la voix augmentait les effets N400 chez les participants dominants en anglais écoutant leur langue dominante. Les effets N400 n'étaient jamais corrélés avec la taille du vocabulaire. Des effets de familiarité ont été systématiquement observés chez les monolingues à l’échelle du groupe, contrairement aux bilingues, pour lesquels ces effets n’ont émergé que dans des analyses exploratoires sur des sous-groupes. Cela suggère un rôle plus complexe de la familiarité chez les bilingues, modulé par des facteurs tels que la distance linguistique et la dominance. Ces résultats mettent en évidence les corrélats neuronaux du traitement lexico-sémantique chez de jeunes enfants issus de divers contextes linguistiques et à différents stades développementaux. Les divergences observées entre les voix familières et non familières suggèrent que la familiarité du locuteur pourrait moduler le traitement lexico-sémantique dès les premières étapes du développement.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| 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".