Learning to read in English as third language
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The present study compared the influence of bi-literate bilingualism versus mono-literate bilingualism on the development of literary skills in English as L3. Two main predictions were made. First, it was predicted that Russian (L1) literacy would benefit decoding and spelling acquisition in English (L3), that is, bi-literate bilingualism would be superior to mono-literate bilingualism. Second, it was hypothesized that there would be positive transfer of phonological processing skills from L1 Russian to L3 English even in the context of two linguistically and orthographically distinct languages. The sample of 107 11-year-old children from Haifa, Israel, were divided into three groups matched in age, gender, social-economic level, verbal and non-verbal IQ: bi-literate bilinguals, mono-literate bilinguals and mono-literate monolinguals. The research was conducted in two stages. In the first stage a wide range of linguistic, meta-linguistic, cognitive and literacy tasks in Hebrew (L2) and in Russian (L1) were administered. In the second stage linguistic, meta-linguistic and literacy skills in English (L3) were assessed. The results demonstrated that bi-literate bilinguals outperformed mono-literate bilingual and mono-lingual children on a number of basic literacy measures (phoneme deletion and analysis, pseudoword decoding and spelling) in English (L3). Even after controlling for (L2) Hebrew reading accuracy, bi-literacy independently explained 16% of the variance in English reading accuracy among Russian-Hebrew fifth grade bilinguals.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
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 découle