Investigating the contribution of ventral-lexical and dorsal-sublexical pathways during reading in bilinguals
Notice bibliographique
Résumé
Several studies suggest the existence of ventral-lexical and dorsal-sublexical systems for reading. The relative contribution of these pathways can be manipulated by stimulus type and task demands. However, little is known about how bilinguals use these systems to read in their second language. In this study diffusion tensor imaging (DTI) was used to investigate the relationship between white matter (WM) integrity and reaction time in a group of 12 Chinese-English bilingual and 11 age-matched English monolingual adults. Considering a dual-route model of reading, the following four tracts were isolated in both the left and right hemispheres using a tractography measurement approach. Ventral tracts included the uncinate fasciculus (UF) and the inferior longitudinal fasciculus (ILF). The dorsal tracts of interest were the arcuate fasciculus (AF) and the superior longitudinal fasciculus (SLF). A significant correlation between the reaction time in a reading task and the mean diffusivity (MD) value was observed in the right UF in both bilingual and monolingual groups. Moreover, in the bilingual group we observed significantly more positive relationships between reaction time and MD in the right AF, and bilaterally in the SLF. We concluded that the relative contribution of the dorsal system for reading is greater in bilinguals than monolinguals. Further, these findings implicate a role of the right hemisphere in reading.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».