Investigating the impact of <i>attitude</i> on first language attrition and second language acquisition from a Dynamic Systems Theory perspective
Notice bibliographique
Résumé
The factor attitude is generally considered to be among the most influential for first language (L1) attrition. Nevertheless, empirical validations have proven difficult to establish. While some studies could not find clear links between measures of attitude and L1 attrition (Hulsen, 2000; Yağmur, 1997), others showed that attitudes generated from exceptional life events strongly influenced attrition (Schmid, 2002) and that pragmatic vs. ideological motivation to emigrate and ensuing attitudes were clearly linked to L1 attrition (Ben-Rafael & Schmid, 2007). A closer examination of these studies yields a noteworthy pattern: those studies that relied on questionnaires (Hulsen, 2000, Yağmur, 1997) seemed to find no straight correlations between attitude and L1 performance, while the studies that used interviews (Ben-Rafael & Schmid, 2007; Schmid, 2002) established a clearer link between the two. The present study explores the impact of attitude – as measured through both questionnaires and interviews – on L1 attrition and second language (L2) proficiency. The quantitative analysis revealed partially significant results, thus suggesting that the factor attitude would have a limited impact on L1 attrition. Individual qualitative analyses, on the other hand, revealed important links between attitudes and the migrants’ language proficiency profiles. The article argues for a combination of methodological approaches in the study of L1 attrition and underlines the idea that individual-level analyses are well suited to capture the non-linearity of attitude and its impact on L1 attrition. These conclusions fit well with a Dynamic Systems Theory perspective in relation to the constant flux of attitude perceptions and their unpredictable role in attrition (de Bot, Lowie & Verspoor, 2007).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».