MétaCan
Menu
Retour à la cohorte
Enregistrement W1984316857 · doi:10.1080/09658416.2011.639885

Cognate awareness -raising in late childhood: teachable and useful

2012· article· en· W1984316857 sur OpenAlexaffabout
Joanna White, Marlise Horst

Notice bibliographique

RevueLanguage Awareness · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensConcordia University
Organismes subventionnairesUniversität Kassel
Mots-clésCognatePsychologyMetalinguisticsLinguisticsFrenchMetalinguistic awarenessRaising (metalworking)Mathematics educationPedagogyTeaching methodVocabulary development

Résumé

récupéré en direct d'OpenAlex

This study is part of a larger investigation of the usefulness of instruction designed to raise cross-linguistic awareness in young Francophone learners of English in Quebec. In the research reported here, the focus is on cognates. Since previous research shows that learners typically fail to recognise many helpful similarities between words in a new language (in this case, English) and languages they already know, the instructional activities we designed emphasised strategies for identifying ‘good friend’ resemblances, though false friends were also discussed. The impact of the activities was assessed in three ways: learners’ performance on a measure of French–English cognate recognition ability; their written responses to a question that probed developing cognate awareness; and interviews that explored teachers’ experiences after using the activities in their classes. Findings suggested that learners benefited from the activities. Gains on the recognition test pointed to an advantage for ‘pattern’ instruction that addresses resemblances that are not readily detected (e.g. English screen = French écran). Learners who received the experimental instruction outperformed control groups on the cognate awareness measure. Furthermore, teachers were positive about the cross-linguistic comparisons. We conclude that the activities were effective and even enjoyable.

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)0,003
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 enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,331
Écart entre enseignants0,307 · 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

Citations52
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLanguage AwarenessMême sujetSecond Language Acquisition and LearningTravaux en français237 207