MétaCan
Menu
Retour à la cohorte
Enregistrement W2076823181 · doi:10.1044/2015_ajslp-13-0106

Language Exposure in Bilingual Toddlers: Performance on Nonword Repetition and Lexical Tasks

2015· article· en· W2076823181 sur OpenAlexaff
Myrto Brandeker, Elin Thordardottir

Notice bibliographique

RevueAmerican Journal of Speech-Language Pathology · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensMcGill UniversityCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesnon disponible
Mots-clésVocabularyRepetition (rhetorical device)Vocabulary developmentPsychologyTerm (time)Neuroscience of multilingualismContrast (vision)Developmental psychologyLinguisticsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The amount of language exposure is correlated with bilingual lexical development, but findings are mixed on how exposure relates to nonword repetition (NWR), a complex skill involving both short-term processing and long-term vocabulary knowledge. We extend previous work to a younger age group by investigating the role of exposure on NWR versus vocabulary, along with the effect of item construction and scoring. METHOD: Sixty typically developing children (ages 2;5-3;6[years;months]) were assessed for NWR and receptive and expressive vocabulary. Participants ranged in amount of previous exposure to English and French from 0% to 100% and were tested in both languages if able to participate, even with very limited exposure (28 completed testing in both languages, 11 completed testing in English only, 21 completed testing in French only). RESULTS: Correlational analyses showed moderate to strong associations between the amount of exposure and vocabulary in that language, whereas the relationship of exposure with NWR was weak or nonsignificant, depending on scoring method. NWR correlated with vocabulary in English only. Performance on NWR was affected by nonword length but unaffected by wordlikeness. CONCLUSIONS: NWR and vocabulary were differently related to language exposure. The underlying mechanisms of NWR at this age appeared mainly reliant on short-term processes, in contrast to long-term vocabulary knowledge.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,798

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,303
Écart entre enseignants0,286 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations22
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Speech-Language PathologyMême sujetLanguage Development and DisordersTravaux en français237 207