MétaCan
Menu
Retour à la cohorte
Enregistrement W2001506796 · doi:10.1017/s1366728908003386

Age of first bilingual language exposure as a new window into bilingual reading development

2008· article· en· W2001506796 sur OpenAlexaff
Ioulia Kovelman, Stephanie Baker, Laura‐Ann Petitto

Notice bibliographique

RevueBilingualism Language and Cognition · 2008
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human Development
Mots-clésWindow (computing)Reading (process)LinguisticsNeuroscience of multilingualismWindow of opportunityPsychologyComputer scienceWorld Wide WebPhilosophy

Résumé

récupéré en direct d'OpenAlex

How does age of first bilingual language exposure affect reading development in children learning to read in both of their languages? Is there a reading advantage for monolingual English children who are educated in bilingual schools? We studied children (grades 2-3, ages 7-9) in bilingual Spanish-English schools who were either from Spanish-speaking homes (new to English) or English-speaking homes (new to Spanish), as compared with English-speaking children in monolingual English schools. An early age of first bilingual language exposure had a positive effect on reading, phonological awareness, and language competence in both languages: early bilinguals (age of first exposure 0-3 years) outperformed other bilingual groups (age of first exposure 3-6 years). Remarkably, schooling in two languages afforded children from monolingual English homes an advantage in phoneme awareness skills. Early bilingual exposure is best for dual language reading development, and it may afford such a powerful positive impact on reading and language development that it may possibly ameliorate the negative effect of low SES on literacy. Further, age of first bilingual exposure provides a new tool for evaluating whether a young bilingual has a reading problem versus whether he or she is a typically-developing dual-language learner.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
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 Opus0,020
Tête enseignante GPT0,301
Écart entre enseignants0,280 · 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

Citations222
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBilingualism Language and CognitionMême sujetReading and Literacy DevelopmentTravaux en français237 207