Учение фонетический разбор: Страница не найдена — Фонетический разбор слов на звуки и буквы

Содержание

Морфологический разбор существительного Учение. Начальная форма, часть речи, постоянные и непостоянные признаки

Выполним онлайн морфологический разбор слова «учение» (часть речи: имя существительное) в соответствии с правилами русского языка. Слово состоит из четырех слогов. Ударение в слове «учЕние» падает на букву «е».

Часть речи

имя существительное

Синтаксическая роль

В зависимости от контекста

Морфологические признаки

Постоянные признаки средний род, нарицательное, неодушевлённое, 2-е склонение
Непостоянные признаки именительный падеж, единственное число
Начальная формаучение
Вопрос(есть) что?

Фонетический (звуко-буквенный) разбор слова

уч’`эн’ий’э

Слово по слогам (4)

у-че-ни-е

Перенос слова

уче-ние

Данный разбор был сделан с помощью искусственного интеллекта и может быть не правильным. Результаты разбора могут быть использованы исключительно для самопроверки. Если вы нашли ошибку, оставьте комментарий в форме ниже.


Ещё никто не оставил комментария, вы будете первым.


Написать комментарий

Спасибо за комментарий, он будет опубликован после проверки

Повторение — мать учения. Занимаемся летом. 3 класс | Материал по математике (3 класс) на тему:

Прочитай слова.

     Столбик, забег, коня, лётчик, (с) ложки, носок, полёт, (в) окне, листик, (у) дверки, (в) цирке, беляк, ножик, навес, запах, (к) стенке, отвар, (в) корне.

Найди в словах безударные гласные. Определи, в какой они части слова. Заполни таблицу.

Безударные гласные

в приставке

в корне

в суффиксе

в окончании

Реши задачу:

Двое рабочих изготовили 98 деталей. Один из них работал 7 часов и изготавливал в час 8 деталей, а другой изготовил остальные детали за 6 часов. Кто работал быстрее и на сколько?

  1. Подчеркните слова, в которых все согласные твёрдые.

       Мел,   звали,   ошибка,   рыбаки,   цирк,   живёшь.

  1. В классе учатся Толя, Тоша, Вика, Соня. Как их будут звать, когда они вырастут?. Запиши их имена.

___________________________________________________

__________________________________________________

__________________________________________________

Реши числовые ребусы, записав их в столбик:

52* + *6* = 9**                            *2* ∙ 3 = 2*2

*23 – 5** = 181                             2** ∙ * = 9*6

Поурочный план «Фонетический разбор слова»

5 класс Урок №11 Русская речь

Тема урока: Фонетический разбор слова

Цели урока: 1. научить учащихся произвести фонетический разбор слова.

2. развивать умения различать звонкие и глухие, твердые и мягкие, парные и непарные согласные; умения правильно ставить знаки ударения и делить слова на слоги.

3. воспитание внимательности и аккуратности при выполнении работ.

Тип урока: комбинированный

Методы и приемы: фонетический разбор слов, фронтальный опрос, развитие речи

Оборудование: раздаточно-дидактический материал

Ход урока:

I. Организационный момент

II. Постановка цели урока

III. Проверка домашнего задания

1. правило повторить

2. задание №4 стр.32

IV. Новая тема. 1. Слово учителя: Ребята, сегодня мы с вами познакомимся с порядком фонетического разбора. Но сначала давайте мы вспомним все, что мы знаем по фонетике.

-Сколько букв в русском алфавите?

-Сколько гласных букв?

-Сколько согласных букв?

-Сколько парных согласных по по глухости и звонкости?

-Сколько непарных звонких? Назовите их.(л,м,н,р,й)

-Сколько непарных глухих? Назовите их.(х,ц,ч,щ)

-Сколько непарных мягких? Назовите их.(ч,щ,й)

-Сколько непарных твердых? Назовите их.(ж,ш,ц)

-Сколько гласных звуков?(6)

-Сколько согласных звуков?(36)

-Сколько всего звуков? (42)

ПЛАН ФОНЕТИЧЕСКОГО РАЗБОРА

  1. Написать слово, указать часть речи

  2. Разделить его на слоги

  3. Поставить знак ударения

  4. Написать буквы, расположив их вертикально

  5. Рядом с буквами написать звуки в квадратных скобках

  6. Дать характеристику каждому звуку ( гласный – ударный или безударный, согласный – парный (непарный) глухой или звонкий, парный(непарный) мягкий или твердый)

  7. Указать количество букв и звуков, количество слогов.

Разбор слова ПЕНЬ (на доске)

V. Закрепление материала

Задание №1 стр.34 (прочитать сказку, ответить на вопросы)

Задание №2 стр.34 (выписать названия животных и произвести их фонетический разбор)

Задание №3 стр.35

Задание «Проверьте себя» стр.35

Развитие речи. 1. прочитать сказку в разделе «Чтение –вот лучшее учение»

2. пересказать содержание

Работа по раздаточному материалу самостоятельно и у доски

VI. Домашнее задание. Произвести фонетический разбор слов: ЕЖ, МЕДВЕДЬ, ЦИРК

VII. Подведение итогов урока

. Комментирование оценок

Повторение — мать учения — Русский язык без проблем

вернуться к списку «Синтаксис в песнях»

Переделанная песня «Лесной олень» — муз. Е. Крылатов — к/ф «Ох, уж эта Настя!»

Стоит мне, пожалуй, повторить
виды предложений, чтоб не злить
и учителя по русскому,
и нос утереть кое-кому.

Явись, лесной олень, по моему хотению
глагол «явись» — сигнал к тому, что предложенье
и побудительное,
и односоставное
(в них подлежащего нет никогда).

А у предложений есть ещё
(это тем я, кто непросвещён)
эмоциональный колорит
для таких, кто счастлив иль сердит.

Пусть явится олень по моему хотению!
частица «пусть» — сигнал, к тому что предложенье
и побудительное
и восклицательное,
как, впрочем, и частицы «да«, «какой«…

Предложения, где тет-а-тет
члены главные, а прочих нет —

нераспространённые, но их
встретишь редко, простеньких таких.

Явился мой олень по моему хотению
тут почему? — сигнал, к тому что предложенье
распространённое и
в нём только дуралеи
обстоятельство не углядят.


 Простые и сложные предложения делятся на повествовательные, вопросительные и побудительные в соответствии с целью высказывания: Капельки осеннего тумана по стволам бегут ручьями слёз (Д. Кедрин) — простое повествовательное. Что вам всем нужно для счастья? (Р. Рождественский) — простое вопросительное. Пусть всегда будет солнце! — простое побудительное.По эмоциональной окраске предложения делятся на восклицательные и невосклицательные: Говори громче. — невосклицательное предложение; Говори громче! — восклицательное предложение.В конце предложений с частицами
что за
, какой, как, да, пусть и др. обычно ставится восклицательный знак: Ну что за шейка!.. Что за глазки!.. Какие пёрышки! Какой носок!.. (И. Крылов)Предложения, грамматическая основа которых состоит из одного главного члена, называются односоставными: Люблю зимний лес; Попить бы чаю; Вот и снег. По смыслу односоставные предложения отличаются от двусоставных тем, что они понятны без второго главного члена.

При наличии или отсутствии второстепенных членов предложения называются распространёнными или нераспространённым: Я проснулся. — нераспространённое; Утром я встал в 7 часов. — распространённое предложение.

%d1%84%d0%be%d0%bd%d0%b5%d1%82%d0%b8%d1%87%d0%b5%d1%81%d0%ba%d0%b8%d0%b9%20%d1%80%d0%b0%d0%b7%d0%b1%d0%be%d1%80 — со всех языков на все языки

Все языкиРусскийАнглийскийИспанский────────Айнский языкАканАлбанскийАлтайскийАрабскийАрагонскийАрмянскийАрумынскийАстурийскийАфрикаансБагобоБаскскийБашкирскийБелорусскийБолгарскийБурятскийВаллийскийВарайскийВенгерскийВепсскийВерхнелужицкийВьетнамскийГаитянскийГреческийГрузинскийГуараниГэльскийДатскийДолганскийДревнерусский языкИвритИдишИнгушскийИндонезийскийИнупиакИрландскийИсландскийИтальянскийЙорубаКазахскийКарачаевскийКаталанскийКвеньяКечуаКиргизскийКитайскийКлингонскийКомиКомиКорейскийКриКрымскотатарскийКумыкскийКурдскийКхмерскийЛатинскийЛатышскийЛингалаЛитовскийЛюксембургскийМайяМакедонскийМалайскийМаньчжурскийМаориМарийскийМикенскийМокшанскийМонгольскийНауатльНемецкийНидерландскийНогайскийНорвежскийОрокскийОсетинскийОсманскийПалиПапьяментоПенджабскийПерсидскийПольскийПортугальскийРумынский, МолдавскийСанскритСеверносаамскийСербскийСефардскийСилезскийСловацкийСловенскийСуахилиТагальскийТаджикскийТайскийТатарскийТвиТибетскийТофаларскийТувинскийТурецкийТуркменскийУдмуртскийУзбекскийУйгурскийУкраинскийУрдуУрумскийФарерскийФинскийФранцузскийХиндиХорватскийЦерковнославянский (Старославянский)ЧеркесскийЧерокиЧеченскийЧешскийЧувашскийШайенскогоШведскийШорскийШумерскийЭвенкийскийЭльзасскийЭрзянскийЭсперантоЭстонскийЮпийскийЯкутскийЯпонский

 

Все языкиРусскийАнглийскийИспанский────────АймараАйнский языкАлбанскийАлтайскийАрабскийАрмянскийАфрикаансБаскскийБашкирскийБелорусскийБолгарскийВенгерскийВепсскийВодскийВьетнамскийГаитянскийГалисийскийГреческийГрузинскийДатскийДревнерусский языкИвритИдишИжорскийИнгушскийИндонезийскийИрландскийИсландскийИтальянскийЙорубаКазахскийКарачаевскийКаталанскийКвеньяКечуаКитайскийКлингонскийКорейскийКрымскотатарскийКумыкскийКурдскийКхмерскийЛатинскийЛатышскийЛингалаЛитовскийЛожбанМайяМакедонскийМалайскийМальтийскийМаориМарийскийМокшанскийМонгольскийНемецкийНидерландскийНорвежскийОсетинскийПалиПапьяментоПенджабскийПерсидскийПольскийПортугальскийПуштуРумынский, МолдавскийСербскийСловацкийСловенскийСуахилиТагальскийТаджикскийТайскийТамильскийТатарскийТурецкийТуркменскийУдмуртскийУзбекскийУйгурскийУкраинскийУрдуУрумскийФарерскийФинскийФранцузскийХиндиХорватскийЦерковнославянский (Старославянский)ЧаморроЧерокиЧеченскийЧешскийЧувашскийШведскийШорскийЭвенкийскийЭльзасскийЭрзянскийЭсперантоЭстонскийЯкутскийЯпонский

Определение. Что такое Фонетика 👍

Фонетика (от греч. phonetikos звуковой, голосовой) – раздел языкознания, изучающий звуковое строение языка. Предмет фонети­ки составляют такие материальные языковые единицы, как звуки речи, слоги, словесное ударение, фразовая интонация.

Поскольку звуковую материю языка можно изучать с разных сто­рон, принято различать акустическую, артикуляционную, перцептив­ную и функциональную фонетику.

Акустическая фонетика исследует звуки человеческой речи как физические явления и описывает такие их характеристики, как вы­сота (зависит от

частоты колебаний), громкость, или сила (зависит от амплитуды), длительность и тембр звука. Артикуляционная фонетика рассматривает анатомию и физиологию речевого аппарата человека, описывает, какие органы речи участвуют в произнесении тех или иных типов звуков. Перцептивная фонетика изучает особенности восприя­тия и анализа звуков речи человеческим органом слуха – ухом.

Функ­циональная фонетика (фонология) рассматривает звуковые явления как элементы системы языка, служащие для формирования морфем, слов и предложений.

Можно выделить также описательную, историческую и сравни­тельную фонетику. Предмет

описательной фонетики – особенности и общие условия образования звуков, характерных для данного языка в определенный период его существования (чаще всего берется фо­нетический строй современного языка), закономерности изменения звуков в потоке речи, общие принципы членения звукового потока на звуки, слоги и более крупные произносительные единицы. Истори­ческая фонетика прослеживает развитие звукового строя языка на про­тяжении какого-то длительного периода времени (иногда с момента появления данного языка).

Сравнительная фонетика сопоставляет звуковой строй родного языка с другими языками, что позволяет не только лучше увидеть и усвоить особенности чужого языка, но и по­нять закономерности родного.

Глоссарий:

– что такое фонетика краткое содержание

– сочинение на тему фонетика

– раздел языкознания изучающий звуки речи и звуковое строение языка

– написат рассуждения о значения фонетики

– что такое фонетика кратко

Фонетический анализ корпусов речи

Связь между машиночитаемым (MRPA) и международным фонетическим алфавитом (IPA) для австралийского английского языка. Связь между машиночитаемым (MRPA) и международным фонетическим алфавитом (IPA) для немецкого языка. Загружаемые речевые базы данных, используемые в этой книге. Предисловие. Примечания по загрузке программного обеспечения. 1. Использование речевых корпусов в фонетических исследованиях. 1.1 Место корпусов в фонетическом анализе речи. 1.2 Существующие корпуса речи для фонетического анализа.1.3 Разработка собственного корпуса. 1.4 Резюме и структура книги. 2. Некоторые инструменты для построения и запроса аннотированных речевых баз данных. 2.1 Обзор. 2.2 Начало работы с существующими базами данных речи. 2.3 Интерфейс между Praat и Emu. 2.4 Интерфейс к R. 2.5 Создание новой речевой базы данных: от Praat к Emu и к R. 2.6 Первый взгляд на файл шаблона. 2.7 Резюме. 2.8 Вопросы. 3. Применение процедур для обработки речевого сигнала. 3.1 Введение. 3.2 Вычисление, отображение и исправление формант.3.3 Чтение формантов в R. 3.4 Резюме. 3.5 Вопросы. 3.6 Ответы. 4. Запрос структур аннотаций. 4.1 Инструмент запросов Emu, уровни сегментов и уровни событий. 4.2 Расширение диапазона запросов: аннотации того же уровня. 4.3 Межуровневые ссылки и запросы. 4.4 Ввод структурированных аннотаций с помощью Emu. 4.5 Преобразование структурированной аннотации в Praat TextGrid. 4.6 Графический интерфейс пользователя к языку запросов Emu. 4.7 Повторный запрос списков сегментов. 4.8 Полуавтоматическое создание структур аннотаций с помощью Emu-Tcl.4.9 Пути разветвления. 4.10 Резюме. 4.11 Вопросы. 4.12 Ответы. 5. Введение в анализ речевых данных в R: исследование базы данных EMA. 5.1 Записи EMA и база данных ema5. 5.2 Обработка списков сегментов и векторов в Emu-R. 5.3 Анализ времени начала голоса. 5.4 Межжестовая координация и ансамблевые сюжеты. 5.5 Внутрижестовой анализ. 5.6 Резюме. 5.7 Вопросы. 5.8 Ответы. 6. Анализ формант и формантных переходов. 6.1 Эллипсы гласных в плоскости F2ÍF1.6.2 Выбросы. 6.3 Цели для гласных. 6.4 Нормализация гласных. 6.5 Евклидовы расстояния. 6.6 Недостаток гласных и сглаживание формант. 6.7 Локус F2, место артикуляции и изменчивость. 6.8 Вопросы. 6.9 Ответы. 7. Электропалатография. 7.1 Палатография и электропалатография. 7.2 Обзор электропалатографии в Emu-R. 7.3 Объекты EPG с уменьшенным объемом данных. 7.4 Анализ данных EPG. 7.5 Резюме. 7.6 Вопросы. 7.7 Ответы. 8. Спектральный анализ. 8.1 Предыстория спектрального анализа.8.2 Спектральное среднее, сумма, отношение, разность, наклон. 8.3 Спектральные моменты. 8.4. Дискретное косинусное преобразование. 8.5 Вопросы. 8.6 Ответы. 9. Классификация. 9.1 Вероятность и теорема Байеса. 9.2 Классификация: непрерывные данные. 9.3 Расчет условных вероятностей. 9.4 Расчет апостериорных вероятностей. 9.5 Два параметра: двумерное нормальное распределение и эллипсы. 9.6 Классификация в двух измерениях. 9.7. Классификации в многомерных пространствах.9.8 Классификация во времени. 9.9. Машины опорных векторов. 9.10 Резюме. 9.11 Вопросы. 9.12 Ответы. Использованная литература. Показатель.

Фонетическая аннотация языка жестов соответствует фонологическому корпусу инструментов: к набору инструментов языка жестов для фонетической записи и фонологического анализа | Ткачман

Фонетическая аннотация жестового языка и Фонологический корпусИнструменты: к набору инструментов жестового языка для фонетической нотации и фонологического анализа

Оксана Ткачман, Кэтлин Карри Холл, Андре Ксавьер, Брайан Гик


Аннотация

В области лингвистики языка жестов по-прежнему отсутствует единая система обозначений, такая как IPA для разговорных языков.Некоторые предыдущие попытки создать системы письменных обозначений либо не подходят для фонетического анализа, либо зависят от языка и основаны на фонемах, и поэтому их невозможно использовать в кросс-лингвистических исследованиях. Мы описываем недавнюю попытку создать чисто фонетическую систему обозначений, Фонетическую аннотацию жестового языка (SLPA) Джонсона и Лидделла (2010, 2011a, 2011b, 2012). SLPA нацелен на узкую фонетическую нотацию, легко усваивается людьми и машиночитаем, использует символы, встречающиеся на обычной клавиатуре, и не требует от пользователя знания языков жестов.Однако SLPA является слишком исчерпывающим (для одной формы руки требуется 23–34 символа), включает в себя некоторые теоретические предположения (например, бинарные признаки) и фиксирует в качестве отличительных форм руки анатомически невозможные, избыточные или перцептивно неразличимые формы. Мы предлагаем модификации SLPA, которые упрощают использование и позволяют избежать ошибок кодирования, более удобны для пользователя и более лингвистически релевантны, как общие модификации, подходящие для ручной записи, так и модификации, специфичные для программного обеспечения. Мы также обсудим, как мы намерены адаптировать SLPA к программному обеспечению Phonological CorpusTools (Hall et al.2015), бесплатный инструмент, который позволяет исследователям проводить быстрый воспроизводимый анализ различных фонологических паттернов.


Ключевые слова

язык жестов; система обозначений; фонетическое описание; инструменты фонологического корпуса; Фонетическая аннотация языка жестов


DOI: https://doi.org/10.3765/amp.v3i0.3667

Copyright (c) 2016 Оксана Ткачман, Кэтлин Карри Холл, Андре Ксавьер, Брайан Гик

URL-адрес лицензии: https://creativecommons.орг/лицензии/по/3.0/

Можете ли вы объяснить связь между фонетической и фонологической формами? — соми

Глава 5

5.1 Опишите отношения, существующие между фонетической и фонологической формами.

Фонологические и фонетические формы

 Отношения между фонетической и фонологической формами

Фонетические формы имеют много общего с фонологическими формами.Из генератора

точки зрения фонетическая форма является результатом ввода фонологических форм.

 

Сегменты и процессы

Различают сегменты и процессы.

 Сегменты

Сегменты — это уникальные отдельные звуки, издаваемые во время артикуляции. Артикуляция может быть одинарной, коартикуляционной или гомоорганной.

Процессы

Процессы артикуляционные и определяют структуру слога

 Анализ
Фонетический анализ речи

Фонетический анализ речи необходим по следующим причинам:

Всестороннее описание речевой продукции.

Такое описание в терминах

  •  начало
  • фонация
  • артикуляция

Эти три функции были представлены в AEN 200, а в этом разделе они обсуждаются далее в связи с анализом звуков человеческой речи.

Классификационные этикетки

Фонетический анализ предоставляет классификационные метки, которые позволяют различать уникальные звуки человеческой речи, такие как:

  • телефоны
  • аллофоны
  • фонем
 Транскрипционные символы

Символы транскрипции связаны с воспроизведением речи, и они классифицируют это воспроизведение следующим образом:

  • фонетический (узкий)
  • фонологический (широкий)
Фонологический анализ

Фонология связывает фонетические события речи с грамматическими единицами, действующими на морфологическом, лексическом, синтаксическом и семантическом уровнях языка.В таком анализе фонология объясняет, как на фонемы влияют различные языковые явления, как показано ниже:

Что может повлиять на уровень фонемы?

  • морфологическое сложение морфем
  • расстановка лексического ударения в словах
  • расстановка синтаксического ударения в предложениях.
  • смысловой тон/ интонация

Фонологический анализ необходим по следующим причинам:

а) Понимание контрастивной функции или противопоставления звуков речи, например, тен/ден, тин/дин, тип/ди, имеющих коммутативное отношение

б) Классификационные метки, двусторонняя оппозиция, многосторонняя, привативная, постепенная.

c) Транскрипционные символы, обозначающие фонетическое проявление фонологических элементов.

Пример:

Два /tu:/ [twu:], где стрелка означает отношение «произносится как» или «фонетически проявляется как» или «фонетически реализуется как»….

 

Нравится:

Нравится Загрузка…

Родственные

Анализ фонетического баланса в пассажах стандартного английского языка

Назначение

Обычный способ вызвать речь у людей — использовать отрывки из письменного язык, предназначенный для чтения вслух.Прочитанные отрывки дают возможность для усиления контроля над фонетическими свойствами вызванной речи, из которых фонетические баланс является часто упоминаемым примером. Нет всестороннего анализа фонетического баланса прочитанных отрывков было сообщено в литературе. В настоящей статье представлены количественное сравнение фонетического баланса широко используемых отрывков на английском языке.

Метод

Оценка фонетического баланса осуществляется путем сравнения распределения фонем в нескольких отрывках к дистрибутивам, соответствующим типичному разговорному английскому языку.Данные относительно распределения фонем в разговорном американском английском, собраны из опубликованная литература и большие речевые корпуса. Распределения фонем сравниваются использование коэффициента корреляции рангового порядка Спирмена для количественной оценки сходства фонем подсчитывается в этих источниках.

Результаты

Корреляции между распределением фонем в прочитанных отрывках и агрегированным материалом представитель разговорного американского английского варьировался от .от 70 до 0,89. Корреляции между количество фонем во всех отрывках, литературных источниках и источниках корпуса варьировалось от от 0,55 до 0,99. Все корреляции были статистически значимыми на уровне Бонферрони. уровень.

Выводы

Пассажи, рассмотренные в настоящей работе, обеспечивают высокий, но не идеальный фонетический баланс. Существует пространство для создания новых отрывков, более точно соответствующих фонеме. распределения, наблюдаемые в разговорном американском английском. Caterpillar обеспечил наилучший фонетический баланс, но распределение фонем во всех рассмотренных материалах были очень похожи друг на друга.

границ | Лексическое и фонетическое влияние на фонолексическое кодирование сложных контрастов второго языка: выводы из неотвержения слов

Введение

Важнейшей частью изучения второго языка (L2) является построение неродного словаря. Это может быть очень сложной задачей, особенно когда L2 изучается в более позднем возрасте и в условиях, не связанных с погружением, как это бывает со многими изучающими английский язык по всему миру (например,г., Диас и др., 2012). Для этого типа учащихся большая часть обучения происходит в формальной обстановке обучения (например, в классе), и на L2 редко говорят за пределами этой среды. Это довольно ограниченное взаимодействие с L2 имеет очевидные негативные последствия для усвоения неродной лексики. Во-первых, относительно бедный ввод приводит к уменьшению воздействия отдельных слов L2, что часто препятствует их надежной интеграции в долговременную память (Gollan et al., 2008) и почти всегда приводит к меньшему размеру словарного запаса в L2 по сравнению с родным языком (L1; Nation, 2006). Во-вторых, для слов, которые становятся частью лексикона L2, нехватка входных данных L2 приводит к тому, что вновь установленные лексические представления становятся фонологически расплывчатыми или «нечеткими» (Cook and Gor, 2015; Cook et al., 2016; Lancaster and Gor, 2016). ). Это означает, что кодирование фонетических категорий в лексические представления (т.г., Вебер и Катлер, 2004; Кук и др., 2016).

Дополнительным препятствием для создания надежной лексической репрезентации L2 является то, что учащиеся неизбежно сталкиваются с трудностями при попытке освоить фонологию неродного языка. В частности, фонологические контрасты L2, которые не являются частью L1, очень часто являются источником трудностей восприятия. Так обстоит дело, например, с английским различием между /r/ и /l/ для носителей японского языка (Goto, 1971; Bradlow et al., 1999) и контраст гласных между /ε/ и /æ/ для изучающих английский язык на немецком языке L1 (Llompart and Reinisch, 2017, 2019a, 2020; Eger and Reinisch, 2019a,b), что является объектом настоящего исследования. . И / r / — / l /, и / ε / — / æ / являются примерами того, что Бест и Тайлер (2007) назвали ассимиляциями одной категории в своей модели фонологического обучения L2; то есть сценарий, в котором два телефона L2 воспринимаются как воспринимаемые близко к одному и тому же телефону L1. Неоднократно было показано, что трудности восприятия с L2-контрастами в отношениях однокатегорийного усвоения приводят к репрезентативным неточностям для слов, содержащих эти контрасты (напр.г., Броерсма, 2012; Лломпарт и Райниш, 2019b). Важно отметить, что эти неточности сохраняются надолго, поскольку они, по-видимому, сохраняются даже после того, как носители L2 уже научились воспринимать фонетические различия между телефонами L2 (Diaz et al., 2012; Darcy et al., 2013; Amengual, 2016). ; Лломпарт, 2021). Например, Llompart (2021) представил доказательства слабого кодирования контраста /ε/-/æ/ в английских словах даже немецкими изучающими английский язык, которые имели большой опыт работы с L2 и могли различать две гласные в слове. задание на фонетическое опознание.

Задание, которое неоднократно использовалось для оценки фонологической устойчивости лексических репрезентаций у учащихся поздних уровней L2, представляет собой лексическое решение, включающее реальные слова и «неправильно произносимые» неслова. В такой задаче слова Я2 предъявляются на слух либо в канонической форме, либо с систематическими фонологическими заменами, превращающими их в неслова. Затем участников просят решить, являются ли представленные элементы реальными словами в L2 (Díaz et al., 2012; Darcy et al., 2013; Дарси и Томас, 2019 г .; Лломпарт и Райниш, 2019b; Мельник и Пеперкамп, 2019, 2021). Задачи на лексическое решение этого типа помогли пролить свет на несколько вопросов, касающихся фонолексического кодирования сложных L2-контрастов. Во-первых, данные о лексических решениях послужили подтверждением выводов предыдущих исследований слежения за глазами в визуальном мире (Weber and Cutler, 2004; Cutler et al., 2006) о том, что кодирование этих сложных контрастов является асимметричным и модулируется доброкачественностью. соответствие категорий L2 ближайшей категории L1.Как обсуждалось Катлером и соавт. (2006), более подходящая категория L2 по контрасту (т. е. более похожая на категорию L1) считается доминирующей и более надежно кодируется в соответствующие слова L2, чем худшая подходящая альтернатива, кодирование которой обычно менее точно. . Для / ε / — / æ / / ε / приписывается эта доминирующая роль до такой степени, что / æ / был переименован в предыдущих исследованиях как не- / ε / или * / ε /, чтобы подчеркнуть его более слабое фонолексическое кодирование. (Llompart and Reinisch, 2017; см. также Hayes-Harb and Masuda, 2008).Данные о лексических решениях голландцев (Simon et al., 2014) и немцев, изучающих английский язык (Llompart and Reinisch, 2019b; Llompart, 2021), помогли охарактеризовать эту асимметрию, показав, что учащиеся более чувствительны к замене гласных, когда целевая гласная должна быть /ε/ (например, *l[æ]mon), чем в контекстах, в которых это должно быть /æ/ (например, *dr[ε]gon). Во-вторых, недавнее исследование с использованием этой парадигмы изучало роль, которую могут играть индивидуальные различия в популяции учащихся в отношении фонолексического кодирования.Здесь результаты показывают, что более надежное кодирование сложных контрастов L2 связано со способностью учащихся к фонетической категоризации для этого конкретного контраста (Silbert et al., 2015; Simonchyk and Darcy, 2017; Darcy and Holliday, 2019), а также с их словарный запас L2 размер (Daidone, 2020; Llompart, 2021).

Что, однако, не получило большого внимания в этой конкретной литературе, так это роль, которую специфические свойства предмета, как лексические, так и фонетические, могут играть в способности учащихся воспринимать настоящие слова, содержащие сбиваемые с толку L2-фоны, и успешно отвергать не слова, отличающиеся друг от друга. из реальных слов в этих конкретных телефонах.Это так, даже несмотря на то, что изучение таких свойств может иметь решающее значение для нашего понимания влияния, которое лексические факторы могут оказывать на фонолексическое кодирование телефонов в сложных контрастах L2, вопрос, который еще недостаточно изучен. В качестве первого шага в этом направлении в настоящем исследовании представлена ​​серия дополнительных анализов данных о лексических решениях немецких учащихся, изучающих английский язык (как сообщалось в Llompart and Reinisch, 2019b, и Llompart, 2021), направленных на оценку влияния слов L2. лексическая частота, плотность фонологического соседства и акустика критической гласной на способность учащихся отвергать не-слова, содержащие /ε/-/æ/ неправильное произношение (например,г., *l[æ]mon, *dr[ε]gon). Хотя роль, которую эти факторы могут играть в отношении точности восприятия реальных слов, также представляет собой вопрос теоретического интереса, показатели усвоения реальных слов не оценивались в этом исследовании из-за предельных показателей учащихся с реальными / ε / — и / æ /. -слова в Llompart and Reinisch (2019b) и Llompart (2021).

В отношении ответов на неправильно произнесенные не-слова в принципе ожидается, что как лексические свойства представленных элементов, так и акустический образ слуховых стимулов, соответствующих этим элементам, должны влиять на лексические решения учащихся.Что касается лексической частоты, можно ожидать, что неслова, построенные на высокочастотных словах, труднее отвергнуть, чем неслова, основанные на менее частотных словах. Задачи на лексическое решение, подобные описанным выше, основаны на хорошо задокументированном эффекте Ганонга (Ganong, 1980), чтобы сместить ответы участников в сторону рассмотрения стимулов как «настоящих слов». Ganong (1980) создал стимул, который был неоднозначным между /t/ и /d/, добавил тот же стимул к -спросить и -ash и попросил слушателей классифицировать исходный телефон как /t/ или /d/ в каждый контекст.Было обнаружено, что слушатели с большей вероятностью классифицируют его как / t / в контексте ?ask и как / d / в контексте flash, тем самым показывая, что лексические знания определяют восприятие речи, когда сигнал акустически неоднозначен. Следуя из этого, в настоящей экспериментальной парадигме, в которой слушателям предъявляют элементы, подобные *dr[ε]gon, и спрашивают, являются ли они настоящими словами английского языка или нет, ожидается, что они с большей вероятностью ответят «слово», чем « nonword» всякий раз, когда акустической информации недостаточно, чтобы они могли быть уверены в подлинности подмененного или неправильно произнесенного телефона.Важно отметить, что это влечение к «словным» ответам должно быть сильнее, чем чаще слушатели встречали слова, которые служили базовой формой для не-слов в L2 (Coltheart et al., 1977; Andrews, 1996; Perea et al., 2005). ; но см. Politzer-Ahles et al., 2020).

Известно, что плотность фонологического соседства, как и лексическая частота, оказывает большое влияние на лексический доступ и, в частности, на лексические решения. Однако для рассматриваемой здесь задачи неясно, должна ли высокая плотность фонологического соседства способствовать или препятствовать точному отбрасыванию неправильно произносимых неслов.С одной стороны, учитывая, что более высокая плотность фонологического соседства имеет тенденцию препятствовать слуховому распознаванию слов, усиливая лексическую конкуренцию (Luce and Pisoni, 1998; Vitevitch, 2002a,b), можно ожидать, что более высокая плотность будет смещать слушателей в сторону «словных» ответов на слова. неслова таким же образом, как и высокие лексические частоты. С другой стороны, можно было бы альтернативно предсказать, что более высокая плотность соседей может повысить точность отбрасывания неслов. Более высокая фонологическая плотность соседства почти всегда должна означать более крупные кластеры слов с похожим звучанием, содержащих один и тот же целевой телефон L2.Следовательно, особенно для сложных фонологических контрастов L2, существование нескольких фонологически сходных словоформ с определенной категорией L2 в контрасте (а не с другой) может быть полезным для установления прочных связей между соответствующей фонетической категорией и словоформами L2 ( см. Llompart, 2021). Из-за этого сценарий, в котором точность отклонения неслова увеличивается в зависимости от количества соседних слов с той же целевой категорией, которую имеет данная форма, также правдоподобен.

Что касается акустических свойств соответствующих фонов L2 в не словах, в задачах на лексическое решение обычно используются стимулы, в которых неправильное произношение было вызвано естественным образом, и это имеет место в Llompart and Reinisch (2019b) и Llompart (2021), исследования, которые предоставили набор данных для анализа здесь. По замыслу использование стимулов, вызванных естественным образом, означает, что целевые телефоны должны демонстрировать некоторые различия в своей акустике, скорее всего, связанные с окружающими телефонами (например,, Strange et al., 2007) и присущим говорящим вариациям. Следовательно, уместный вопрос здесь, и тот, который еще не был решен, заключается в том, насколько учащиеся чувствительны к мелкозернистым акустическим вариациям в задаче, где их в основном просят сосредоточиться на лексике стимулов. В принципе, можно предсказать, что для неслов с систематической заменой гласных, чем более акустически различима замена и, следовательно, чем дальше от канонической гласной находится «неправильно произносимая» гласная, тем легче учащимся обнаружить несоответствие и отвергнуть ее. эти не слова.Хотя это вероятная возможность для неправильного произношения с использованием телефонов L2, не приводящего к трудностям восприятия, менее очевидно, что это должно быть в случае не слов, содержащих неродные для восприятия неродные телефоны, такие как / ε / и / æ / для немецких изучающих английский язык. Поскольку фонетические категории для этих телефонов, скорее всего, не так четко определены, учащиеся могут не использовать различия в акустике стимулов между элементами в качестве ориентира для своих суждений (Díaz et al., 2012; Llompart and Reinisch, 2019a). ).

Наконец, стоит отметить, что в Llompart and Reinisch (2019b) и Llompart (2021) было два разных типа неправильно произносимых неслов для интересующего контраста L2 (/ε/-/æ/). Это были элементы, в которых /ε/ был заменен на [æ] (например, *l[æ]mon), и элементы, в которых /æ/ был заменен на [ε] (например, *dr[ε]gon). Важно отметить, что эти два типа различаются в двух важных аспектах. Во-первых, это разница в степени соответствия ближайшей категории L1 канонической гласной (т.е., /ε/ > /æ/) и неправильно произносимых гласных (т. е. [ε] > [æ]), что, как обсуждалось выше, должно иметь последствия для восприятия и лексического кодирования этих телефонов. Второе ключевое отличие заключается в том, что для учащихся, не использующих метод погружения, два типа неправильного произношения не в равной степени соответствуют их опыту в их повседневной среде обучения L2. Немцы, изучающие английский язык в Германии, с большой вероятностью столкнутся со случаями, когда /æ/ произносится с акустическими свойствами, более близкими к /ε/ (например,g., h[ε]ppy, pl[ε]n, dr[ε]gon) в речи однокурсников и, возможно, даже учителей английского языка (см. акустические данные Eger and Reinisch, 2019a; Llompart and Reinisch, 2019a), в то время как обратная картина (например, st[æ]p, l[æ]mon) очень маловероятна. Таким образом, эти критические различия оправдывают дополнительный вопрос о том, могут ли эффекты лексической частоты, фонологической плотности соседства и акустики гласных различаться между двумя исследуемыми типами неправильно произносимых неслов.

Материалы и методы

Участники

Данные 116 участников были включены во все анализы, представленные в разделе «Результаты».Тридцать семь участников были немцами, изучающими английский язык (19 женщин, средний возраст = 25,32, SD = 4,37), включенными в анализ Llompart and Reinisch (2019b). Эти участники были студентами Мюнхенского университета Людвига-Максимилиана (LMU), которые выросли в немецких одноязычных семьях, провели не более 6 месяцев в англоязычной стране и не были зачислены на курсы, проводимые английским отделением университета. . Остальные 79 участников составили две группы учащихся, протестированных в Лломпарте (2021 г.).Первая группа состояла из 49 немецких студентов, изучающих английский язык в Эрланген-Нюрнбергском университете Фридриха Александра (FAU; 35 женщин, средний возраст = 24,22, SD = 4,26), которые были набраны в соответствии с теми же критериями, что и предыдущая группа. Вторая группа состояла из 30 английских специалистов и студентов университетов, готовящихся стать английскими профессионалами, также набранными в FAU (17 женщин, средний возраст = 28,5, SD = 12,32). Это были либо преподаватели языка в Языковом центре университета ( N = 5), либо студенты, обучающиеся по программам бакалавриата и магистратуры, предлагаемым Департаментом английского языка и американских исследований ( N = 25).В настоящем исследовании и вслед за Llompart (2021) первые две группы будут обычно называться изучающими английский язык немецким языком на «среднем уровне», а последняя группа в дальнейшем будет именоваться «продвинутыми» изучающими английский язык немецкими языками. Подробную информацию о самооценке владения языком и показателях использования языка для этих участников, полученную с помощью вопросников по языковому фону, можно найти в Llompart and Reinisch (2019b) и Llompart (2021).

Материалы

Все участники приняли участие в одном и том же задании на лексическое решение.В этом задании реальные слова английского языка, а также неслова, созданные путем систематических фонологических замен реальных слов, были представлены на слух, и участники должны были решить, является ли каждый стимул реальным словом английского языка или нет. Как описано в Llompart and Reinisch (2019b) и Llompart (2021), материалы включали 304 уникальных английских слова, 52 из которых содержали телефоны в сложном контрасте L2 /ε/-/æ/. Остальные 252 слова включали 5 противопоставлений (/i/-/I/, /ɔ:/-/u/, /p/-/t/, /k/-/m/ и /b/-/v/), которые ожидалось, что это не вызовет проблем у носителей немецкого языка.Важно отметить, что половина слов была выбрана так, чтобы они отображались в задании как канонически произведенные, а другая половина была представлена ​​как не слова, в которых были заменены телефоны в соответствующих контрастах. Таким образом, наборы канонически произведенных слов и неправильно произнесенных неслов содержали разные лексические единицы. Для /ε/-/æ/ это означало, что 13 слов с /æ/ появлялись с /æ/, произносимыми как [æ], и 13 различных слов были представлены с /æ/, неправильно произносимыми как [ε] (h[æ]mmer vs. *др[ε]гон). Та же манипуляция проводилась для элементов с /ε/ (d[ε]sert vs.*l[æ]mon), и та же процедура была применена к контрастам филлеров. В то время как для критических элементов целью всегда была первая ударная гласная, для наполнителей положение критических телефонов в слове могло варьироваться. Все 304 слова были записаны мужчиной, говорящим на южно-британском английском, в их правильной форме, а половина элементов, то есть тех, которые предназначены для использования в качестве неслов, также были записаны с подходящими фонологическими заменами.

Процедура

Участников тестировали либо в звукопоглощающей кабинке, либо в тихой комнате в соответствующих университетах.Задача лексического решения была реализована в программном обеспечении Psychopy 2 (в Llompart and Reinisch, 2019b; v. 1.83.01) или Psychopy 3 (в Llompart, 2021; v. 3.0.2; Peirce et al., 2019). Слуховые стимулы предъявлялись через наушники на комфортном уровне прослушивания. Перед началом задания участников проинструктировали, что они будут слушать, как носитель английского языка произносит английские слова и придумывает слова, которые в некоторых случаях могут звучать похоже на английские слова. Их задачей было указать для каждого элемента, считают ли они его настоящим словом в английском языке.При каждом испытании на экране показывались два прямоугольника: зеленый с надписью «слово» с левой стороны и красный с надписью «ни слова» с правой стороны и предъявлен слуховой раздражитель. Участники должны были нажать «1» на цифровой клавиатуре (в Llompart and Reinisch, 2019b) или крайнюю левую кнопку панели ответов (в Llompart, 2021), чтобы указать, что слуховой стимул был реальным словом, и «0» или крайняя правая клавиша панели ответов, если они считали, что стимул не был настоящим словом.Время ответов участников не ограничивалось. 304 предмета были представлены в рандомизированном порядке. Перед началом задания участникам было представлено 10 практических проб для ознакомления с процедурой. На выполнение задания у участников ушло примерно от 15 до 20 минут.

Результаты

Все анализы были сосредоточены только на /ε/- и /æ/-несловах, то есть на 13 заданиях, содержащих /ε/ → [æ] неправильное произношение (например, *l[æ]mon), и 13 заданиях, содержащих /æ/ → [ε] неправильное произношение (т.г., *dr[ε]gon) соответственно. Были рассчитаны лексические частоты и фонологическая плотность соседства для этих элементов, чтобы оценить, модулируют ли эти лексические факторы ответы участников на не-слова в задаче лексического решения. Лексическая частота оценивалась с помощью показателей частоты по шкале Zipf Subtlex-UK (van Heuven et al., 2014), а плотность соседства определялась с помощью CLEARPOND (Cross-Linguistic Easy-Access Resource for Phonological and Orthographic Neighbourhood Densities; Marian et al. ., 2012). Кроме того, для акустических стимулов, соответствующих этим элементам, значения F1 и F2 (в герцах) критических гласных в середине гласного были извлечены с использованием сценария Praat (Boersma and Weenink, 2009), чтобы потенциальное влияние акустики неправильно произнесенная гласная также может быть исследована. Затем для каждого элемента была рассчитана оценка разницы между F2 и F1 (F2–F1), чтобы можно было использовать только одно значение для каждого элемента в анализе. Известно, что в британском английском у [ε] более низкая F1 и более высокая F2, чем у [æ] (Deterding, 1997; Llompart and Reinisch, 2017).Следовательно, разница F2–F1 всегда должна быть выше для [ε], чем для [æ]. Это имело место в настоящих стимулах, так как среднее значение F2–F1 /æ/-неслов, в которых первая гласная производилась подобно [ε], составляло 1187 Гц ( SD = 91), а среднее значение F2 –F1 для /ε/-неслов (т. е. с /ε/, произведенным подобно [æ]) составлял 568 Гц ( SD = 103). Значение F2–F1 критического гласного в каждом из /ε/- и /æ/-неслов представлено в таблице 1 вместе с лексической частотой и фонологической плотностью соседства слова, от которого произошло неслово.Корреляционный анализ набора из 26 неслов показал, что лексическая частота и плотность фонологического соседства не коррелировали друг с другом [ r (24) = 0,08, p = 0,69], и ни один из них не был значимо коррелирован с F2–F1. значения критических гласных либо [лексическая частота: r (24) = −0,28, p = 0,17; плотность фонологического соседства: r (24) = −0,23, p = 0,27].

Таблица 1. Лексическая частота, плотность фонологического соседства и значения F2–F1 критических гласных для каждого из /ε/- и /æ/-неслов, проанализированных в настоящем исследовании.

Перед любым анализом данные лексических решений, соответствующие ответам на /ε/- и /æ/-неслова, сначала были усечены путем исключения всех испытаний, содержащих неслова, основанные на словах, с которыми участники не были знакомы. Это оценивалось с помощью вопросника знакомства со словом, который вводили после задания на лексическое решение.Только 26 испытаний были исключены по этим причинам (0,86% всех /ε/- и /æ/-несловных испытаний). Перед непосредственной оценкой влияния лексической частоты, фонологической плотности соседства и акустики гласных на ответы учащихся данные сначала были представлены в обобщенную регрессионную модель смешанных эффектов с функцией логистической связи (пакет lme4 1.1–23 в версии R 3.6.3; Bates et al., 2015) по данным о точности с гласным [/ε/ (произносится как [æ]; *l[æ]mon) -/æ/ (произносится как [ε]; *dr[ε]gon)] и Группа (промежуточная в Llompart and Reinisch (2019b), промежуточная в Llompart (2021) и продвинутая в Llompart (2021)) в качестве представляющих интерес переменных.Эта модель была разработана для использования в качестве базовой модели, на которой впоследствии должны были быть проверены эффекты лексической частоты, плотности фонологического соседства и акустики гласных (см. Ниже).

Базовая модель имела ответ (0 = неверный, 1 = правильный) в качестве категориальной зависимой переменной. Гласный кодировался по контрасту таким образом, что / ε / кодировался как -0,5, а / æ / как 0,5. Группа была перекодирована как две линейно независимые противоположности, которые в дальнейшем будут обозначаться как «Мастерство» и «Учеба». «Умение» было закодировано для отражения различий в точности между двумя группами учащихся среднего уровня и группой учащихся продвинутого уровня.Следовательно, испытания для первых двух групп были закодированы как -0,25, а испытания, соответствующие последним, были закодированы как 0,5. «Исследование» было включено для оценки потенциальных различий между двумя промежуточными группами учащихся, которые были набраны в рамках двух разных исследований и в двух разных учреждениях, но с соблюдением одних и тех же требований к набору. Данные учащихся среднего уровня в Llompart and Reinisch (2019b) были закодированы как -0,5, данные учащихся среднего уровня в Llompart (2021) были закодированы как 0.5, а данные от продвинутых участников того же исследования были закодированы как 0. Профессионализму и обучению не разрешалось взаимодействовать, но взаимодействия между каждым из этих предикторов и гласным были включены. Структура случайных эффектов состояла из случайных пересечений для Участников и случайного наклона для Гласных над Участниками. Случайные перехваты для элементов не были включены, потому что элемент коррелирует с лексической частотой, фонологической плотностью соседства и акустикой гласных (т. е. каждый элемент имеет одно значение для каждой переменной) и, таким образом, будет проблематичным для дополнительного анализа, изучающего их влияние.

Модель выявила значительное влияние гласных ( b = -0,98; z = -9,68; p < 0,001) и уровня владения языком ( b = 1,58; z = 5,66; p < 0,001). Влияние изучения не было значительным (b = -0,03; z = -0,14; p = 0,89), равно как и взаимодействие между гласным и владением и гласным и изучением (оба p > 0,1). Следовательно, было обнаружено, что слушатели были более точными с /ε/ → [æ] неправильным произношением (/ε/-неслова, например, *l[æ]mon; M = 50.67% правильных ответов, SD = 50,01), чем с заменами /æ/ → [ε] (/æ/-неслова, например, *dr[ε]gon; M = 31,52% правильных ответов, SD = 46,47) доска и учащиеся, отмеченные как продвинутые в Llompart (2021), в целом были более точными ( M = 58,61% правильных ответов, SD = 49,28), чем две группы учащихся среднего уровня (2019: M = 35,5% правильных ответов, SD = 47,88; 2021: M = 34,6% правильных ответов, SD = 47,59), точность отбрасывания несловных данных которых была почти одинаковой.

После этого отдельно для каждого из трех представляющих интерес предикторов (то есть лексической частоты, плотности фонологического соседства и акустики гласных) были проведены прямые пошаговые сравнения моделей (Zhang et al., 2020) между i) базовой моделью, описанной выше ( структура со случайными эффектами: Гласная|Участник) и модель, включающая случайные наклоны для одного из предикторов над Участниками (например, Гласная + Частота|Участник), и ii) между моделью, включающей только случайные наклоны, и моделью, включающей эти случайные наклоны плюс термин взаимодействия с гласной над участниками (например,g., Гласная*Частота|Участник). Сравнения проводились с помощью тестов логарифмического правдоподобия с использованием функции anova() в R. Эти сравнения оценивали, улучшила ли дополнительная сложность структуры случайных эффектов соответствие моделей. В частности, сравнения между базовой моделью и моделями только со случайными наклонами были выполнены, чтобы установить, модулируют ли лексическая частота, плотность фонологического соседства и акустика гласных лексические ответы участников по всем направлениям, в то время как сравнения между моделями с условиями взаимодействия и без них определяли, квалифицировались ли эффекты по типу элементов, не являющихся словами (/ε/-неслова против слов)./æ/-неслова).

Эта аналитическая процедура была выбрана потому, что она позволяла исследовать эффекты отдельных предметов независимым образом, при этом принимая во внимание эффекты на уровне популяции, о которых уже сообщалось в предыдущих исследованиях. Анализируя, позволяет ли модель учитывать вариации, вызванные различной чувствительностью участников к лексической частоте, плотности соседства и акустике гласных, улучшается соответствие модели фактическим данным, можно определить, повлияли ли эти свойства отдельных элементов на участников. ответы без необходимости иметь дело с недостатками, которые были бы неизбежны, если бы эти предикторы были просто добавлены в структуру модели с фиксированными эффектами.Во-первых, этот подход позволяет избежать намеренно завышенной оценки эффектов конкретных свойств предмета, как это было бы в случае, если бы они были проанализированы как единственные фиксированные эффекты, игнорируя, таким образом, эффекты, которые были выявлены как в отношении целевых гласных, так и в отношении различий между группами учащихся. показано в предыдущих исследованиях. Во-вторых, что очень важно, эта процедура также предотвратила то, что вклады исследованных показателей, специфичных для предмета, были затемнены сильными эффектами вышеупомянутых переменных.

Результаты сравнения модели между базовой моделью и тремя отдельными моделями, включая случайные наклоны для лексической частоты, плотности фонологического соседства и акустики гласных, соответственно, по участникам показали, что добавление случайного наклона для лексической частоты по сравнению с участниками улучшило соответствие модели [ χ 2 (3) = 8,50, p < 0,05], а также добавление наклона для акустики гласных [χ 2 (3) = 36,61, p < 0.001]. В отличие от этого, добавление наклона для плотности окружения не привело к улучшению [χ 2 (3) = 1,44, p = 0,70]. Кроме того, сравнение между моделями только со случайным наклоном и моделями, включающими термин взаимодействия с гласной, показало, что условия взаимодействия между гласной и лексической частотой по участникам [χ 2 (4) = 17,52, p < 0,01] и между гласной и плотность соседства [χ 2 (4) = 28,80, p < 0.001] улучшили посадку соответствующих моделей. Модель, включающая взаимодействие между акустикой гласных и гласными над участниками, имела серьезные проблемы с конвергенцией, которые делали ее неинтерпретируемой. Однако сравнение с использованием упрощенных моделей, в которых незначительные взаимодействия между гласными и владением, а также гласными и изучением были удалены из структуры с фиксированными эффектами, показало, что добавление члена взаимодействия между акустикой гласных и гласными над участниками к структуре случайных эффектов значительно улучшена подгонка упрощенной модели со случайными наклонами только для акустики гласных [χ 2 (4) = 29.50, p < 0,001].

На основе значительных улучшений соответствия модели, связанных с добавлением условий взаимодействия в структуру случайных эффектов, данные были разделены по гласным, а эффекты добавления случайных наклонов для лексической частоты, плотности окружения и акустики гласных были количественно определены для каждой гласной отдельно. путем сравнения базовой модели только со случайными пересечениями (1 | Участник) с моделями со случайными наклонами для лексической частоты, фонологической плотности соседства и акустики гласных, соответственно, по участникам (т.ж., Частота|Участник). Для /æ/-неслов (например, *dr[ε]gon) наклоны для лексической частоты [χ 2 (3) = 21,88, p < 0,001] и плотности соседства [χ 2 (3) = 26.07, p <0,001] по сравнению с участниками улучшили соответствие модели, в то время как наклон для акустики гласных не улучшил [χ 2 (3) = 1,00, p = 0,80]. Для /ε/-неслов (например, *l[æ]mon) возникла противоположная картина. Случайный наклон акустики гласных по сравнению с участниками существенно улучшил соответствие модели [χ 2 (3) = 63.29; не сделал этого. Эти результаты идеально согласуются с закономерностями, наблюдаемыми в необработанных данных, представленных на рисунке 1, на котором представлены диаграммы рассеивания точности отклонения неслов для /æ/-неслов (верхний ряд) и /ε/-неслов (нижний ряд) в зависимости от лексического частота (слева), плотность окрестности (в центре) и акустика гласных (справа).Линии регрессии и коэффициенты корреляции (т. е. r ) также представлены для лучшего описания взаимосвязей между этими переменными.

Рисунок 1. Диаграммы рассеяния точности отклонения неслова для /æ/-неслов (верхний ряд) и /ε/-неслов (нижний ряд) в зависимости от лексической частоты (слева), плотности соседства (в центре) и гласных акустика (справа). Линии регрессии и коэффициенты корреляции (т.е. r ) приведены для иллюстрации.

Подводя итоги, сравнение моделей показало, что точность отклонения несловных элементов для заданий, содержащих неправильное произношение сбиваемых с толку телефонов L2, была модулирована по всем направлениям как лексической частотой заданий, так и акустикой критических гласных. Однако значительные взаимодействия и последующий анализ показали, что относительный вклад лексической частоты, плотности соседства и акустики гласных различался между /æ/-несловами и /ε/-несловами. В первом случае более низкие лексические частоты и более высокая плотность фонологического соседства способствовали более высокой точности, тогда как значения F2–F1 критических гласных не сильно коррелировали с точностью отклонения неслова (см. Рисунок 1, верхний ряд).Для /ε/-неслов более высокая точность отклонения неслова была связана только с более низкими значениями F2–F1 (т. е. более похожими на [æ]) для критических гласных (см. рис. 1, нижний ряд). Диаграммы рассеивания, аналогичные показанным на рис. 1, но с разделением данных по группам, представлены на рис. 2. Изучение рис. 2 дополнительно показывает, что асимметричные паттерны для двух типов неправильно произносимых неслов в высокой степени согласуются между тремя группами участников, включенных в выборку. .

Рис. 2. Диаграммы рассеяния точности отклонения неслова для /æ/-неслов (верхний ряд) и /ε/-неслов (нижний ряд) в зависимости от лексической частоты (слева), плотности соседства (в центре) и акустики гласных (справа) с данные разбиты по группам. Продвинутые учащиеся в Llompart (2021) отмечены черным, учащиеся среднего уровня в Llompart (2021) — темно-синим, а учащиеся среднего уровня в Llompart and Reinisch (2019b) — голубым. Линии регрессии (продвинутые учащиеся показаны пунктирной линией, средние учащиеся — сплошными линиями) приведены для иллюстрации.

Обсуждение

В настоящем исследовании изучалось влияние специфических свойств элементов, связанных как с организацией лексики L2, так и с акустикой путаемых категорий L2, на точность отбраковки неслов, отличающихся только от реальных слов в телефонах сложного фонологического контраста L2. Была проведена серия дополнительных анализов данных о лексических решениях немецких изучающих английский язык (Llompart and Reinisch, 2019b; Llompart, 2021) для оценки влияния i) лексической частоты L2 (не)представленных слов, ii) их фонологических плотности соседства и iii) спектральное изображение критических телефонов L2, на способность учащихся отвергать не слова, содержащие / ε / — / æ / неправильное произношение.Это факторы, которые не рассматривались в предыдущих исследованиях, но тщательное изучение которых могло бы улучшить наше понимание того, как лексические свойства модулируют фонолексическое кодирование телефонов в сложных контрастах L2, а также того, в какой степени учащиеся чувствительны к мелким фонетическим деталям относительно телефоны в таких контрастах при выполнении задач лексического поиска. Несмотря на то, что результаты настоящего исследования следует интерпретировать с осторожностью, поскольку они основаны на ограниченном наборе (не)слов L2, предназначенных только для одного контраста L2 и одной группы учащихся, они представляют собой первую ступеньку на пути к лучшей характеристике этих проблем. , которые дополнительно обсуждаются ниже.

Прежде чем фактически оценить влияние лексической частоты, плотности соседства и акустики гласных в настоящем исследовании, однако, был проведен первый анализ для оценки различий в точности в зависимости от гласной или типа элемента (/ε/-неслова по сравнению с / æ/-неслова) и обучающая группа. Этот анализ был проведен для подтверждения предыдущих результатов с помощью большего набора данных и, что наиболее важно, для того, чтобы модель можно было использовать в качестве основы для количественной оценки эффектов интересующих лексических и фонетических предикторов на более позднем этапе.Результаты показали, что учащиеся лучше обнаруживали неправильное произношение /ε/ → [æ] (/ε/-неслова; например, *l[æ]mon), чем неправильное произношение /æ/ → [ε] (/æ/-неслова; например, , *dr[ε]gon) и что группа продвинутых учащихся, включенная в анализ, превзошла две группы, помеченные как учащиеся среднего уровня. Это повторяет результаты предыдущих исследований, показывающих асимметрию отклонения слов без слов для слов с трудными фонологическими контрастами L2 (Darcy et al., 2013; Simon et al., 2014; Llompart and Reinisch, 2019b; Melnik and Peperkamp, ​​2019, 2021) и владением языком. эффекты использования в невербальном отклонении для этого типа элементов (Sebastián-Gallés et al., 2005; Аменгуаль, 2016; Лломпарт, 2021). В дополнение к этому, другим важным открытием было то, что показатели точности для двух групп учащихся среднего уровня, которые были набраны и протестированы в разных университетах, но с помощью одной и той же процедуры набора, оказались чрезвычайно схожими. Это свидетельствует о том, что выборки Llompart and Reinisch (2019b) и Llompart (2021) были сопоставимы, и говорит в пользу высокой надежности этой экспериментальной парадигмы при использовании с поздними учениками L2 и применении систематических требований к набору.

Главный вопрос, однако, заключался в том, влияют ли лексическая частота, плотность фонологического соседства и акустика гласных на точность отклонения неслова в дополнение к ранее упомянутым эффектам. Это оценивалось путем манипулирования наличием или отсутствием случайных наклонов для трех переменных, а также условиями взаимодействия между ними и гласной в структуре случайных эффектов моделей, в то время как структура фиксированных эффектов оставалась постоянной. В этом отношении результаты показали, что как лексические свойства целевых элементов, так и акустика критических гласных способствовали характеристике вариации, наблюдаемой для несловного отклонения, хотя и по-разному для двух типов исследованных элементов.Для /æ/-неслов (т. е. неправильного произношения /æ/ → [ε]) лексические факторы оказывали сильное модулирующее воздействие: во-первых, неслова, чьи аналоги в реальном слове имели более низкую частоту, легче отвергались, чем те, которые имели более высокую частоту. Во-вторых, неслова, основанные на словах с большим количеством лексических соседей, отбрасывались легче, чем слова с меньшим количеством соседей (см. рис. 1, 2, верхний ряд). Напротив, для /ε/-неслов (т. е. неправильного произношения /ε/ → [æ]) точное отклонение отдельных элементов было тесно связано с акустикой критического гласного (/ε/ произносится как [æ]), как более высокое значение. частота отклонения была связана с более экстремально [æ]-подобными спектральными артикуляциями /ε/ (см. рис. 1, 2, нижний ряд).Таким образом, результаты показали явную асимметрию между /ε/-несловами и /æ/-несловами для двух лексических факторов, а также для акустики гласных.

Что касается акустики гласных, тот факт, что она модулировала отклонение /ε/-неслов (например, *l[æ]mon), но не /æ/-неслов (например, *dr[ε]gon), указывает на то, что L2 учащиеся действительно были чувствительны к небольшим различиям в акустических свойствах критических гласных при оценке лексики слов и сходных по звучанию неслов, но только тогда, когда неправильное произношение в последних шло в одном конкретном направлении.Возможное объяснение этой асимметрии состоит в том, что более надежное кодирование /ε/ (по сравнению с /æ/) в лексическом представлении слов L2 приводит не только к более высокой точности при отклонении элементов, в которых гласный произносится неправильно, как уже было показано ( Simon et al., 2014; Llompart and Reinisch, 2019b), но и повышенному вниманию к тому, насколько велико (или мало) несоответствие между ожидаемой категорией и акустикой ввода. Основываясь на том же аргументе, отсутствие связи между акустикой гласных и отказом от неправильного произношения типа *dr[ε]gon можно объяснить «более нечетким» представлением /æ/ в словах L2, содержащих эту гласную.Это сделает изучающих L2 более терпимыми к неправильному произношению и, следовательно, менее точными в своих суждениях, а также снизит их чувствительность к величине несоответствия между вводом и канонической гласной. Кроме того, обратите внимание, что для интересующего контраста L2 критические различия в периферии между двумя гласными также могли внести свой вклад в этот асимметричный паттерн. Учитывая, что /æ/ является более периферийным, чем /ε/ в английском пространстве гласных, неправильное произношение, связанное с заменой менее периферийной гласной на более периферийную, могло быть более заметным, чем противоположный тип, усиливая эффект, что небольшие акустические различия в более периферийная область пространства гласных может иметь влияние на восприятие учащимися и последующие решения (Полька и Бон, 2003, 2011).

Вторая наблюдаемая асимметрия связана с лексической частотой и фонологической плотностью соседства, которые, как было обнаружено, влияют только на точность отклонения для /æ/-неслов. Что касается лексической частоты, возможное объяснение состоит в том, что она играла роль только для неправильного произношения /æ/ → [ε], потому что они очень часто встречаются в английском языке с немецким акцентом, и учащиеся, скорее всего, имели опыт с элементами такого рода (Эгер и Райниш). , 2019b; Llompart and Reinisch, 2019a, 2020). Таким образом, эффект лексической частотности можно объяснить тем фактом, что более частые (не)слова с /æ/, представленные в задании, например спасибо , могли неоднократно слышаться как *th[ε]nk в речи человека. товарищи, говорящие на L1, в то время как менее частые слова, такие как , привычка , вероятно, не так много.Следовательно, это привело бы к тому, что учащиеся с большей вероятностью считали бы *th[ε]nk настоящим английским словом, чем *h[ε]bit. Для /ε/-неслов, наоборот, поскольку неправильное произношение в этих элементах (/ε/ → [æ]) не является типичным маркером речи с акцентом L1, количество воздействия ввода с акцентом L1 не ожидается. чтобы иметь значение, и это могло бы объяснить отсутствие эффекта лексической частоты для этих элементов. Поскольку для правильной оценки того, действительно ли входные характеристики L2 могут быть источником этой асимметрии, потребуется подробная информация о вводе учащихся L2, это объяснение по-прежнему нуждается в дальнейшем исследовании.

Наконец, эффект фонологической плотности соседства для /æ/-неслов указывает на то, что для наиболее проблематичной категории по контрасту (т. е. /æ/) существование кластеров фонологических соседей, содержащих один и тот же целевой гласный, делает его более вероятным. что учащиеся заметили соответствующие неправильные произношения. Это говорит о том, что высокая фонологическая плотность соседства может поддерживать точное фонолексическое кодирование гласного в конкретных лексических представлениях L2, вероятно, за счет усиления связи между сложной неродной фонетической категорией и сгруппированными лексическими единицами.Для слов, содержащих / ε /, плотность фонологического соседства может быть не столь важной из-за доминирующей роли / ε / в фонологическом контрасте и его относительно легкой перцептивной идентификации (Weber and Cutler, 2004; Cutler et al., 2006).

В целом, настоящее исследование дает первое приближение к вопросу о том, как лексика и восприятие речи переплетаются в фонолексическом кодировании сложных L2-контрастов с позиции, ориентированной на элементы. Сложные фонологические контрасты L2 привносят дополнительный уровень «размытости» в лексические репрезентации L2, которые, как известно, уже являются нечеткими из-за неотъемлемых характеристик самого обучения L2 (Cook and Gor, 2015; Cook et al., 2016; Ланкастер и Гор, 2016). Предыдущие исследования показали, что для неродных фонологических контрастов, в которых два телефона L2 различаются тем, насколько хорошо они соответствуют категориям L1, трудности, вызванные такими телефонами, несимметричны (Weber and Cutler, 2004; Cutler et al., 2006). ; Дарси и др., 2013; Симончик, Дарси, 2017, 2018; Мельник, Пеперкамп, 2019, 2021). Это исследование вносит свой вклад в эту литературу, предполагая, что эти асимметрии могут также распространяться на то, как происходит фонолексическое кодирование.Основываясь на настоящих результатах, кодирование наиболее подходящей или доминирующей категории L2 (т. Е. / ε /), по-видимому, не сильно ограничено лексическими свойствами конкретных лексических единиц L2, такими как лексическая частота и плотность фонологического соседства. Это, в дополнение к эффектам акустики гласных, наблюдаемым для /ε/-неслов, предполагает, что для этой категории кодирование может быть более непосредственно связано с фонетическим восприятием учащимися контраста. Обратите внимание, что эта идея хорошо объясняет результаты Llompart и Reinisch (2019b), которые обнаружили, что только для ответов на (не)слова с фонологическим /ε/ (а не /æ/) связь с перцептивной гибкостью учащихся можно найти в распределенной обучающей задаче.Напротив, для худшей подходящей недоминантной категории (т. е. / æ /) данные лексического решения предполагают, что уровень успеха при фонологическом кодировании неродной фонетической категории в лексические представления зависит от лексических свойств более высокого уровня, которые разместить эти элементы в словарном запасе учащихся и, возможно, связано с их знакомством с родным и неродным входом. Следовательно, можно предположить, что фонолексическое кодирование /æ/ действует в большей степени по частям (Lieven et al., 1997; Pine and Lieven, 1997) модулируется опытом учащихся с языком L2 и даже с конкретными словами L2 (Llompart, 2019, 2021). Будущие исследования, включающие более крупные образцы элементов и, в идеале, также изучение данных других экспериментальных парадигм, которые используют лексический поиск, теперь будут необходимы, чтобы установить, в какой степени выводы, полученные в результате невербального отклонения в этом исследовании, являются надежными и обобщаемыми.

Заявление о доступности данных

В этом исследовании были проанализированы общедоступные наборы данных.Эти данные можно найти здесь: https://osf.io/u7syd/ (Open Science Framework).

Заявление об этике

Этическая экспертиза и одобрение исследования с участием людей не требовались в соответствии с местным законодательством и институциональными требованиями. Пациенты/участники предоставили письменное информированное согласие на участие в этом исследовании.

Вклад авторов

ML нес полную ответственность за концепцию исследования, анализ и интерпретацию данных, а также составление рукописи.

Финансирование

Эта работа была профинансирована за счет звания профессора Александра фон Гумбольдта (ID-1195918), присужденного Еве Домбровской, заведующей кафедрой языка и познания на факультете английских и американских исследований Университета Фридриха Александра Эрланген-Нюрнберг.

Конфликт интересов

Автор заявляет, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Я хотел бы поблагодарить Еву Домбровскую за поддержку этого исследования, Еву Райниш за ее комментарии к предыдущей версии рукописи и двух рецензентов за их полезные предложения.

Дополнительный материал

Дополнительный материал к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/articles/10.3389/fpsyg.2021.659852/full#supplementary-material

.

Сноски

    Каталожные номера

    Аменгуаль, М. (2016). Восприятие специфичных для языка фонетических категорий не гарантирует точного фонологического представления в лексиконе ранних билингвов. Заяв. Психолингвист. 37, 1221–1251. дои: 10.1017/S0142716415000557

    Полнотекстовая перекрестная ссылка | Академия Google

    Эндрюс, С. (1996). Процессы лексического поиска и выбора: эффекты путаницы с транспонированными буквами. Дж. Мем. Ланг. 35, 775–800. doi: 10.1006/jmla.1996.0040

    Полнотекстовая перекрестная ссылка | Академия Google

    Бейтс Д., Махлер М., Болкер Б. и Уокер С. (2015). Подгонка линейных моделей смешанных эффектов с использованием lme4. Дж. Стат. ПО 67:1406.дои: 10.18637/jss.v067.i01

    Полнотекстовая перекрестная ссылка | Академия Google

    Best, CT, and Tyler, MD (2007). «Восприятие речи на неродном и втором языке: общие черты и взаимодополняемость», в Языковой опыт в изучении речи на втором языке: в честь Джеймса Эмиля Флеге , редакторы О. С. Бон и М. Дж. Манро (Амстердам: Джон Бенджаминс), 13–34. doi: 10.1075/lllt.17.07bes

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Брэдлоу, А.Р., Акахане-Ямада Р., Писони Д. Б. и Тохкура Ю. (1999). Обучение японских слушателей распознавать английские / r / и / l /: долгосрочное сохранение обучения в восприятии и воспроизведении. Восприятие. Психофиз. 61, 977–985. дои: 10.3758/BF03206911

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Броерсма, М. (2012). Повышенная лексическая активация и снижение конкуренции при прослушивании второго языка. Ланг. Когнит. Процесс. 27, 1205–1224. дои: 10.1080/01690965.2012.660170

    Полнотекстовая перекрестная ссылка | Академия Google

    Coltheart, M., Davelaar, E., Jonasson, J.T., and Besner, D. (1977). «Доступ к внутреннему словарю», в «Внимание и производительность», том VI , изд. С. Дорник (Нью-Джерси: Эрлбаум), 535–556.

    Академия Google

    Кук С.В., Панджа Н.Б., Ланкастер А.К. и Гор К. (2016). Нечеткие неродные фонолексические представления приводят к нечетким отображениям формы в значение. Перед.Психол. 7:1345. doi: 10.3389/fpsyg.2016.01345

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Катлер А., Вебер А. и Отаке Т. (2006). Асимметричное отображение фонетических репрезентаций в лексические при аудировании на втором языке. Дж. Фон. 34, 269–284. doi: 10.1016/j.wocn.2005.06.002

    Полнотекстовая перекрестная ссылка | Академия Google

    Дайдоне, Д. (2020). Как учащиеся запоминают слова на своем втором языке: влияние индивидуальных различий в восприятии, когнитивных способностях и размере словарного запаса. Кандидат наук диссертация, Блумингтон: Университет Индианы.

    Академия Google

    Дарси, И., Дайдоне, Д., и Кодзима, К. (2013). Асимметричный лексический доступ и нечеткие лексические представления у изучающих второй язык. Мент. Лекс. 8, 372–420. doi: 10.1075/ml.8.3.06dar

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Дарси, И., и Холлидей, Дж. Дж. (2019). «Обучение старому слову новым трюкам: фонологические обновления в ментальном лексиконе L2», в материалах 10-й конференции по изучению произношения и преподавания второго языка , , под редакцией Дж.Левис, К. Нэгл и Э. Тодей (Эймс: Государственный университет Айовы), 10–26.

    Академия Google

    Дарси, И., и Томас, Т. (2019). Когда синий — двусложное слово: перцептивная эпентезия в ментальном лексиконе изучающих второй язык. Билинг. Ланг. Познан. 22, 1141–1159. дои: 10.1017/S1366728918001050

    Полнотекстовая перекрестная ссылка | Академия Google

    Детердинг, Д. (1997). Форманты гласных монофтонгов в стандартном южно-британском английском произношении. Дж. Междунар. тел. доц. 27, 47–55.

    Академия Google

    Диас, Б., Миттерер, Х., Броерсма, М., и Себастьян-Гальес, Н. (2012). Индивидуальные различия в фонологических процессах L2 поздних билингвов: от акустико-фонетического анализа к лексическому доступу. Учиться. Индивид. Отличаться. 22, 680–689. doi: 10.1016/j.lindif.2012.05.005

    Полнотекстовая перекрестная ссылка | Академия Google

    Эгер, Н. А., и Райниш, Э. (2019a). Влияние собственного голоса и производственных навыков на распознавание слов на втором языке. Дж. Экспл. Психол. Учиться. Мем. Познан. 45, 552–571. дои: 10.1037/xlm0000599

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Эгер, Н. А., и Райниш, Э. (2019b). Роль акустических сигналов и мастерство слушателя в восприятии акцента в неродных звуках. Шпилька. Второй Ланг. Acquis. 41, 179–200. дои: 10.1017/S0272263117000377

    Полнотекстовая перекрестная ссылка | Академия Google

    Голлан, Т. Х., Монтойя, Р. И., Сера, К.и Сандовал, TC (2008). Большее использование почти всегда означает меньший частотный эффект: старение, двуязычие и гипотеза более слабых звеньев. Дж. Мем. Ланг. 58, 787–814. doi: 10.1016/j.jml.2007.07.001

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Гото, Х. (1971). Слуховое восприятие нормальными взрослыми японцами звуков «Л» и «Р». Нейропсихология 9, 317–323. дои: 10.1016/0028-3932(71)

    -3

    Полнотекстовая перекрестная ссылка | Академия Google

    Хейс-Харб, Р.и Масуда, К. (2008). Развитие способности лексически кодировать новые фонематические контрасты второго языка. Второй язык. Рез. 24, 5–33. дои: 10.1177/0267658307082980

    Полнотекстовая перекрестная ссылка | Академия Google

    Лломпарт, М. (2019). Преодоление разрыва между фонетическими способностями и лексикой в ​​изучении второго языка. Кандидат наук диссертация, Мюнхен: Мюнхенский университет Людвига-Максимилиана.

    Академия Google

    Лломпарт, М. (2021).Способность к фонетической категоризации и размер словарного запаса способствуют кодированию сложных фонологических контрастов второго языка в лексике. Билинг. Ланг. Познан. 24, 481–496. дои: 10.1017/S1366728920000656

    Полнотекстовая перекрестная ссылка | Академия Google

    Лломпарт, М., и Райниш, Э. (2017). Артикуляционная информация помогает кодировать лексические контрасты на втором языке. Дж. Экспл. Психол. Гум. Восприятие. Выполнять. 43, 1040–1056. дои: 10.1037/xhp0000383

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Лломпарт, М.и Райниш, Э. (2019a). Подражание на втором языке опирается на фонологические категории, но не отражает продуктивного использования сложных звуковых контрастов. Ланг. Речь 62, 594–622. дои: 10.1177/0023830918803978

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Лломпарт, М., и Райниш, Э. (2019b). Надежность фонолексических представлений связана с фонетической гибкостью для сложных звуковых контрастов второго языка. Biling.Lang. Познан. 22, 1085–1100. дои: 10.1017/S1366728918000925

    Полнотекстовая перекрестная ссылка | Академия Google

    Лломпарт, М., и Райниш, Э. (2020). Фонологическая форма лексических единиц модулирует кодирование сложных звуковых контрастов второго языка. Дж. Экспл. Психол. Учиться. Мем. Познан. 46, 1590–1610. дои: 10.1037/xlm0000832

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Люс, П.А., и Пизони, Д.Б. (1998). Распознавание произносимых слов: модель активации соседства. Ухо Слушай. 19, 1–36.

    Академия Google

    Мариан, В., Бартолотти, Дж., Чабал, С., и Шук, А. (2012). CLEARPOND: кросс-лингвистический ресурс с легким доступом для фонологической и орфографической плотности соседства. PLoS One 7:e43230. doi: 10.1371/journal.pone.0043230

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Мельник, Г. А., и Пеперкамп, С. (2019). Перцептивное удаление и асимметричный лексический доступ у изучающих второй язык. Дж. Акуст. соц. Являюсь. 145, EL13–EL18. дои: 10.1121/1.5085648

    Полнотекстовая перекрестная ссылка | Академия Google

    Мельник, Г. А., и Пеперкамп, С. (2021). Фонетическое обучение с высокой вариативностью улучшает лексическую обработку второго языка: данные онлайн-обучения французов, изучающих английский язык. Билинг. Ланг. Познан. 24, 497–506. дои: 10.1017/S1366728920000644

    Полнотекстовая перекрестная ссылка | Академия Google

    Нация, И. (2006). Насколько большой словарный запас необходим для чтения и аудирования? Кан.Мод. Ланг. Ред. 63, 59–82. doi: 10.3138/cmlr.63.1.59

    Полнотекстовая перекрестная ссылка | Академия Google

    Пирс Дж., Грей Дж. Р., Симпсон С., Макаскилл М., Хёхенбергер Р., Сого Х. и др. (2019). PsychoPy2: эксперименты с поведением стали проще. Поведение. Рез. Методы 51, 195–203. doi: 10.3758/s13428-018-01193-y

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Пайн, Дж. М., и Ливен, Э. В. М. (1997). Паттерны слотов и рамок и разработка категории определителя. Заяв. Психолингвист. 18, 123–138. дои: 10.1017/S0142716400009930

    Полнотекстовая перекрестная ссылка | Академия Google

    Politzer-Ahles, S., Lee, KK, and Shen, L. (2020). Эффекты Ганонга для частоты могут быть неустойчивыми. Дж. Акуст. соц. Являюсь. 147, EL37–EL42. дои: 10.1121/10.0000562

    Полнотекстовая перекрестная ссылка | Академия Google

    Полька Л. и Бон О.-С. (2003). Асимметрия в восприятии гласных. Речь коммун. 41, 221–231. дои: 10.1016/S0167-6393(02)00105-X

    Полнотекстовая перекрестная ссылка | Академия Google

    Полька Л. и Бон О.-С. (2011). Структура Natural Referent Vowel (NRV): новый взгляд на раннее фонетическое развитие. Дж. Фон. 39, 467–478. doi: 10.1016/j.wocn.2010.08.007

    Полнотекстовая перекрестная ссылка | Академия Google

    Себастьян-Гальес, Н., Эчеверрия, С., и Бош, Л. (2005). Влияние первоначального воздействия на лексическое представление: сравнение ранних и одновременных билингвов. Дж. Мем. Ланг. 52, 240–255. doi: 10.1016/j.jml.2004.11.001

    Полнотекстовая перекрестная ссылка | Академия Google

    Силберт, Н. Х., Смит, Б. К., Джексон, С. Р., Кэмпбелл, С. Г., Хьюз, М. М., и Таре, М. (2015). Неродная фонематическая дискриминация, фонологическая кратковременная память и изучение слов. Дж. Фон. 50, 99–119. doi: 10.1016/j.wocn.2015.03.001

    Полнотекстовая перекрестная ссылка | Академия Google

    Саймон, Э., Шерпс, М.Дж., и Фиккерт, П. (2014).Фонологические репрезентации в родной и неродной лексике детей. Билинг. Ланг. Познан. 17, 3–21. дои: 10.1017/S1366728912000764

    Полнотекстовая перекрестная ссылка | Академия Google

    Симончик А. и Дарси И. (2017). «Лексическое кодирование и восприятие палатализованных согласных в русском языке L2», в материалах Pronunciation in Second Language Learning and Teaching Conference , 8th Pronunciation in Second Language Learning and Teaching Conference, eds M. O’Brien and J. Levis (Ames: Iowa State University), 121–132 .

    Академия Google

    Симончик А. и Дарси И. (2018). Влияние орфографии на лексическое кодирование палатализованных согласных в русском языке L2. Ланг. Речь 61, 522–546. дои: 10.1177/0023830918761490

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Стрэндж В., Вебер А., Леви Э. С., Шафиро В., Хисаги М. и Ниши К. (2007). Акустическая изменчивость внутри и между гласными немецкого, французского и американского английского: эффекты фонетического контекста. Дж. Акуст. соц. Являюсь. 122, 1111–1129. дои: 10.1121/1.2749716

    Полнотекстовая перекрестная ссылка | Академия Google

    van Heuven, WJB, Mandera, P., Keuleers, E., and Brysbaert, M. (2014). Subtlex-UK: новая и улучшенная база данных частоты слов для британского английского. QJ Exp. Психол. 67, 1176–1190. дои: 10.1080/17470218.2013.850521

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Витевич, М.С. (2002b). Натуралистический и экспериментальный анализ эффектов частоты слов и плотности соседства в слуховых оговорках. Ланг. Речь 45, 407–434. дои: 10.1177/002383050040501

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Вебер, А., и Катлер, А. (2004). Лексическая конкуренция в распознавании неродной устной речи. Дж. Мем. Ланг. 50, 1–25. doi: 10.1016/S0749-596X(03)00105-0

    Полнотекстовая перекрестная ссылка | Академия Google

    Чжан, Х., Карлсон, М.Т., и Диас, М.Т. (2020). Изучение влияния фонологических соседей на поиск слов и фонетические вариации в парадигмах именования слов и изображений. Ланг. Познан. Неврологи. 35, 980–991. дои: 10.1080/23273798.2019.1686529

    Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

    Фонетика – Все о лингвистике

     

    Фонетика — это раздел лингвистики, который фокусируется на производстве и классификации звуков речи в мире. При воспроизведении речи рассматривается взаимодействие различных голосовых органов, например губ, языка и зубов, для воспроизведения определенных звуков.При классификации речи мы ориентируемся на сортировку звуков речи по категориям, которые можно увидеть в так называемом Международном фонетическом алфавите (IPA). IPA — это структура, которая использует один символ для описания каждого отдельного звука в языке, и ее можно найти в словарях и учебниках по всему миру. Например, существительное «рыба» состоит из четырех букв, но МФА представляет его как три звука: f i ʃ, где «ʃ» означает звук «ш».

    Фонетика как междисциплинарная наука имеет множество приложений.Это включает его использование в судебных расследованиях при попытке выяснить, чей голос стоит за записью. Другое использование — это его роль в преподавании и изучении языка, либо при изучении первого языка, либо при попытке выучить иностранный язык. В этом разделе веб-сайта будут рассмотрены некоторые разделы фонетики, а также транскрипция речи и некоторая история фонетики.

    Фонетика против. Фонология – ключевые отличия

    Фонетика изучает физическое производство звуков, уделяя особое внимание тому, какие голосовые органы взаимодействуют друг с другом и насколько близко эти голосовые органы расположены друг к другу.Фонетика также рассматривает концепцию голоса, возникающую в паре мышц, находящихся в вашем голосовом аппарате, также известных как кадык. Если голосовые связки вибрируют, это создает звонкость, и любой звук, издаваемый таким образом, называется звонким, например «з». Если голосовые связки не вибрируют, это не приводит к звонкости и создает глухой звук, например. «с». Вы можете наблюдать это сами, положив два пальца на свой голосовой аппарат и повторяя «з» и «с». Вы должны чувствовать вибрацию пальца при произнесении «з», но не ощущать вибрацию при произнесении «с».

    Однако фонология больше связана с абстрактными свойствами звуков, поскольку речь идет о том, как эти категории хранятся в уме. Фонетика также описывает определенные свойства как градиентные, такие как озвучивание, где мы можем сравнить длину озвучивания между двумя звуками. Например, во французском языке [b] звучит дольше, чем в английском [b]. В фонологии эти сегменты просто категорически определяются как звонкие или глухие, независимо от этих тонких различий.

     

    Ресурсы по фонетике и фонологии | Маргарет Э.Л. Ренвик, доктор философии.

    На этой странице собран набор инструментов, которые я считаю полезными в обучении и исследованиях. Следите за обновлениями!

    Иллюстрации Международного фонетического алфавита и фонологических характеристик 
    Таблица фонематической транскрипции английского языка для сопоставления символов в различных соглашениях
    Основная таблица фонологических особенностей Джейсона Риггла
    Фонетика iPA: приложение для iOS для Международного фонетического алфавита Виктория, Канада
    МРТ-диаграмма IPA в режиме реального времени от группы USC span
    Зрение речи МРТ-диаграмма IPA 
    Интерактивная карта иллюстраций IPA
    UCLA Index of Sounds 
    Канал ArticulatoryIPA на YouTube 
    Акценты английского языка со всего мира с аудиосэмплами 
    объявить! инструмент для изучения визуального языка
    Rhyme Desk: поиск рифмующихся слов с помощью транскрипции IPA  

    Акустический анализ: учебники Praat, сценарии и помощь
    Praat: выполнение фонетики на компьютере
    Руководство и учебные пособия по написанию сценариев Маурисио Фигероа
    Общество предотвращения жестокого обращения с гласными — учебные руководства и помощь в написании сценариев
    Руководства по написанию сценариев Praat
    Список пользователей Praat
    Репозиторий сценариев фонологической лаборатории NCSU — Praat и др.
    Фонетика на скорости Учебное пособие по написанию сценариев Praat
    Коллекция сценариев Praat от Уилла Стайлера
    Инструменты на основе Praat и общая платформа Prosody от Yi Xu
    Плагин ProZed Praat для ритмических и тональных аспектов речи [бумага ]
    Prosogram: стилизация контура высоты тона на основе модели тонального восприятия
    EasyAlign: фонетическое выравнивание с Praat (только для Windows)
    Учебное пособие по извлечению формант в Praat Джои Стэнли
    ToBI Annotation Environments for Praat & WaveSurfer
    Praat Vocal Toolkit — автоматизированные сценарии для обработки голоса
    Par selmouth: библиотека Python для Praat [статья]
    Инструменты Praat: плагины для аннотаций, токенизации, поиска в TextGrid и т. д.
    mausmooth, скрипт Praat для сглаживания и выделения контуров f0
    Draw TextGrid, подключаемый модуль для упрощения визуализации в Praat
    Praat Scripts Мэтта Винна для широкого круга задач -tracking 
    Руководство Praat для музыковедов от Вима ван дер Меера 
    Репозиторий сценариев Praat от Henning Reetz 

    Автоматизация транскрипции и акустического анализа
    Учебное пособие по корпусной фонетике от Элинор Чодрофф 
    SPPAS — принудительное выравнивание на нескольких языках с выводом Praat TextGrid
    WebMAUS — веб-программное обеспечение принудительного выравнивания от LMU
    AutoVOT — автоматический расчет времени начала речи
    P2FA и FAVE — программное обеспечение для принудительного выравнивания из UPenn
    syllabify: инструмент для слогового преобразования транскрипций ARPABET
    Prosodylab-Aligner для автоматического выравнивания [prosodylab github]
    Montreal Forced Aligner для автоматического выравнивания извлечение формант
    Kaldi ASR — набор инструментов для распознавания речи
    Formant Editor — инструмент для улучшения формантного анализа
    EMU-webApp — маркировка, визуализация и исправление речи и производных речевых данных
    semiauto — плагин для повышения эффективности работы в Praat
    praatalign: плагин для интерактивного принудительного выравнивания ent
    VoiceSauce — инструмент для анализа качества голоса на основе Matlab
    UW CLOx — веб-инструмент для автоматической транскрипции [версия для MacOS]
    Gentle — надежный, но мягкий инструмент принудительного выравнивания
    Отслеживание высоты тона CREPE на основе глубокого обучения

    Ресурсы R
    Проект R
    R Studio — отличный графический интерфейс для R (установите как R, так и R Studio)
    Пакет гласных для R и его веб-интерфейс NORM
    Пакет phonR для нормализации и т. д.в R (новая версия!)
    пакет phonTools для R
    ggplot2: создавайте красивые графики в R! [50 лучших визуализаций ggplot2]
    plyr: преобразование и обобщение данных легко и автоматически например вокруг точек на диаграмме гласных (требуются другие пакеты)
    Rbrul, инструмент для анализа вариаций в лингвистических данных
    SWIPE’ для R: извлечение высоты тона Аарона Албина
    построение спектрограмм в R Аарона Албина
    Сводка основных статистических тестов в R из Stephanie Shih
    tuneR: анализ музыки и речи
    phonfieldwork пакет для фонетических полевых исследований и экспериментов (см.Программа просмотра звука)

    Инструменты для расшифровки, сбора данных, управления и анализа
    Open SLR: открытые речевые и языковые ресурсы
    Phonological CorpusTools (github) — «Избавьтесь от стресса при анализе корпуса!»
    Speech Corpus Tools — приложение для работы с большими наборами данных
    LaBB-CAT, репозиторий выровненных по времени аудио и расшифровок
    Phon: управление базой данных для аудиокорпусов 
    EMU-SDMS: управление базой данных и поиск аудиокорпусов
    Баварский архив для Речевые сигналы: инструменты для акустического анализа
    {Deep} Phonetic Tools — машинное обучение, применяемое к акустическому анализу
    Transcriber, инструмент для маркировки, сегментации и расшифровки речи
    Berkeley Phonetics Machine, виртуальная машина с уже установленным программным обеспечением для фонетики
    фрагменты кода FESTIVAL для синтеза речи
    Language Markup and Experimental Design Software, веб-платформа
    Polyglot DB, пакет Python для хранения и запроса больших речевых корпусов
    ELAN, программное обеспечение для лингвистических аннотаций  
    Программное обеспечение PennController для онлайн-экспериментов транскрипция, подходящая для слепых пользователей [статья JIPA]
    FindingFive pl атформа для онлайн-поведенческих исследований 

    Фонологические базы данных, инструменты и корпуса
    LAPSyD, база данных фонологических систем Лиона-Альбукерке
    UPSID, онлайн-версия базы данных инвентаризации фонологических сегментов Калифорнийского университета в Лос-Анджелесе данные кросс-лингвистической фонологической инвентаризации
    UMD’s Langscape: портал языкового разнообразия
    NIM, «система поиска стимулов» для психолингвистики (англ., кошка, исп.)
    Language Variation Suite для вариационного количественного анализа данных
    IPhOD: Irvine Phonotactic Online Dictionary
    World Phonotactics Database более 4000 языков
    Phonotactic Probability Calculator, поддерживаемый Майклом Витевичем PhPh)
    Эксперт igen — платформа для онлайн-экспериментов

    Корпуса разговорных языков (не исчерпывающий!)
    OSCAAR, Интернет-ресурс по архиву и анализу речи/корпораций
    База данных акцентов динамических диалектов с образцами видеоречи 
    Атлас звуков региональных языков Франции – Северный ветер и Солнце во многих разновидности
    Сообщение в блоге о просодически аннотированных корпусах с упором на английский язык
    Корпус регионального афроамериканского языка, Орегонский университет
    Интернет-ресурсы по афроамериканскому языку, Орегонский университет
    Микроконтакт: итальянские диалекты, на которых говорят в Америке

    Ресурсы по общей фонетике и фонологии
    Лаборатория фонетики Университета Индианы — огромная подборка ресурсов
    Фонетическая страница Джен Смит
    Ресурсы и скрипты Кристиана ДиКанио
    Val Systems: блог Йозефа Фрювальда голосовой синтезатор
    Звуки речи: учебное пособие по артикуляции речи с приложением
    Интерактивный сагиттальный разрез Дэниела Карри Холла
    Синтезатор речи eSpeak
    MBROLA — «На пути к бесплатному многоязычному синтезатору речи» манипуляция
    Инструменты распознавания и синтеза FalaBrasil для бразильского португальского 
    WASP2 – форма волны, аннотации, спектрограмма и высота звука

    Ресурсы Unix
    Unix Кена Черча для поэтов
    Шпаргалка по AWK — остроты и другие полезности
    Использование BASH, sed и awk для языкового анализа — учебный документ

    Использование IPA на компьютере
    в Windows: Microsoft Word поддерживает символы IPA.

    admin

    Добавить комментарий

    Ваш адрес email не будет опубликован.