MétaCan
Menu
Retour à la cohorte
Enregistrement W2020741801 · doi:10.1017/s0142716401004040

Children's own names influence their spelling

2001· article· en· W2020741801 sur OpenAlexaff
Rebecca Treiman, Brett Kessler, Derrick C. Bourassa

Notice bibliographique

RevueApplied Psycholinguistics · 2001
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensAcadia University
Organismes subventionnairesMarch of Dimes FoundationNational Science Foundation
Mots-clésSpellingPsychologyLinguisticsLiteracyDevelopmental psychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

We analyzed spellings that were produced by children in kindergarten ( N = 115), first grade ( N = 104), and second grade ( N = 77) in order to determine whether children's own names influence their spellings of other words. Kindergartners overused letters from their own first names (or commonly used nicknames) when spelling. Kindergartners with longer names, who had more own-name letters available for intrusions, tended to produce longer spellings than did children with shorter names. Moreover, the spellings of kindergartners with long names tended to contain a lower proportion of phonetically reasonable letters than did the spellings of children with short names. These effects appeared to be confined to children who read below the first grade level. The results support the view that children's own names play a special role in the acquisition of literacy. They further show that children choose letters in a way that reflects their experience with the letters.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,737
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,015
Tête enseignante GPT0,293
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations59
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied PsycholinguisticsMême sujetReading and Literacy DevelopmentTravaux en français237 207