MétaCan
Menu
Retour à la cohorte
Enregistrement W1528962743

RESETTING THE FUNCTIONAL FEATURES OF THE ACCUSATIVE CLITIC IN THE SECOND LANGUAGE ACQUISITION OF SPANISH

2014· article· en· W1528962743 sur OpenAlexaff
Ungureanu Mona-Luiza

Notice bibliographique

RevuePapers from the Annual Meetings of the Atlantic Provinces Linguistic Association (PAMAPLA) · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésInterlanguageCliticLinguisticsComputer scienceSecond-language acquisitionGrammarFirst languageSecond languageNatural language processingArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper contributes supporting evidence for the Full Access Hypothesis of second language acquisition, as proposed by White (1985b, 1986, 2000, 2003) and Duffield et al. (1999, 2002), among others, according to which adult second language learners have access to principles and parameters of Universal Grammar (UG) and can thus acquire the features of syntactic functional categories present in the second language. Here, we present the results and constitution of a small pilot study that investigates the ultimate attainment of functional features related to accusative clitic doubling agreement in the second language acquisition of Spanish by native speakers of Romanian. The aim is to determine whether the final state interlanguage language competence of the functional features under discussion complies with the grammar of (1) the second language (language to be acquired), (2) the first language of the learner, or (3) neither the rules of the first language nor those of the second language. We show that the features of the accusative clitic functional category are reset to the values of the L2 in a configuration in which the set of features of the L1 is restricted to those of the L2.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,249
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapers from the Annual Meetings of the Atlantic Provinces Linguistic Association (PAMAPLA)Même sujetSecond Language Acquisition and LearningTravaux en français237 207