MétaCan
Menu
Retour à la cohorte
Enregistrement W2112630243 · doi:10.1017/s0142716414000551

The impact of first language background and visual information on the effectiveness of low-variability input

2014· article· en· W2112630243 sur OpenAlexafffund
Angelica Fulga, Kim McDonough

Notice bibliographique

RevueApplied Psycholinguistics · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensConcordia University
Organismes subventionnairesCanada Research Chairs
Mots-clésTransitive relationSecurity tokenPsychologyNounTask (project management)Natural language processingCognitive psychologyArtificial intelligenceLinguisticsComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study investigated whether first language (L1) background and visual information impact the effectiveness of skewed and balanced input at promoting pattern detection. Participants ( N = 84) were exposed to Esperanto sentences with the transitive construction under skewed (one noun with high token frequency) or balanced (equal token frequency) input conditions while viewing either color or black-and-white visuals. Their ability to detect the relevant morphological and syntactic features of the transitive construction was tested through a forced-judgment task using novel nouns. The results indicated no significant main effect for visual information or input type. There was, however, a significant main effect for L1 on learners’ detection of the novel pattern. Implications are discussed in terms of the potential effect of L1-specific transitive encodings on second language speakers’ ability to abstract novel patterns.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,769
Score d'incertitude au seuil0,257

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,297
Écart entre enseignants0,281 · 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'étudeThéorique ou conceptuel
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

Citations10
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied PsycholinguisticsMême sujetEFL/ESL Teaching and LearningTravaux en français237 207