MétaCan
Menu
Retour à la cohorte
Enregistrement W1975935443 · doi:10.1111/0023-8333.00184

Semantic and Conceptual Knowledge Underlying Bilingual Babies' First Signs and Words

2002· article· en· W1975935443 sur OpenAlexaff
Siobhan Holowka, Françoise Brosseau‐Lapré, Laura Ann Petitto

Notice bibliographique

RevueLanguage Learning · 2002
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPsychologyLinguisticsNeuroscience of multilingualismAttributionPoint (geometry)Dual (grammatical number)Language acquisitionCognitive psychologySocial psychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

We addressed the question of how babies exposed to two languages simultaneously acquire the meanings of words across their two languages. In particular, we attempted to shed new light on whether babies know that they are acquiring different lexicons right from the start, or whether early bilingual exposure causes them to be semantically confused. We propose a collection of research methods that, taken together, can answer these questions, which have hitherto received scant attention. Six hearing babies were videotaped for one hour on average seven times over one year (ages ranging from 0;7 to 2;2); three babies were acquiring French and English, and three French and LSQ. These populations offer unique insights into the semantic knowledge underlying bilingual as well as monolingual language acquisition. We found that the babies (1) acquired their two languages on the same timetable as monolinguals and (2) produced translation equivalents in their very first lexicons. Further, their early words (signs) in each language (3) were constrained along kind boundaries, (4) showed fundamentally similar semantic organization across their dual lexicons, and (5) reflected the meanings of their favorite things first. We also discuss why attributions that young bilinguals are delayed and confused have prevailed and we show that they are neither at this point in development. Finally, the present findings show how research of this type can provide a method for making bilingual norms wholly attainable.

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 enseignants0,003
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,000
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 Opus0,040
Tête enseignante GPT0,305
Écart entre enseignants0,265 · 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

Citations109
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage LearningMême sujetLanguage Development and DisordersTravaux en français237 207