MétaCan
Menu
Retour à la cohorte
Enregistrement W2123413683 · doi:10.1177/0267658314554939

Long-distance wh-movement and long-distance wh-movement avoidance in L2 English: Evidence from French and Bulgarian speakers

2014· article· en· W2123413683 sur OpenAlexaffabout
Nikolay Slavkov

Notice bibliographique

RevueSecond language Research · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMovement (music)LinguisticsSecond-language acquisitionBulgarianPsychologyLanguage acquisitionMeaning (existential)Computer scienceCognitive psychology

Résumé

récupéré en direct d'OpenAlex

This article investigates spoken productions of complex questions with long-distance wh-movement in the L2 English of speakers whose first language is (Canadian) French or Bulgarian. Long-distance wh-movement is of interest as it can be argued that it poses difficulty in acquisition due to its syntactic complexity and related high processing load. Adopting the derivational complexity hypothesis, which has so far been applied to long-distance (LD) wh-movement in L1 acquisition and child second language acquisition, I argue that adult L2 learners also show evidence that questions with LD wh-movement are often replaced by alternative utterances with lower derivational complexity. I propose that such utterances, which are sometimes of equivalent length and with similar meaning to the targeted LD wh-structures, are avoidance strategies used by the learners as an intermediate acquisition resource. That is, such strategies are used as an escape-hatch from the derivational complexity of LD wh-movement. Overall, the results of this research indicate that the link between the number and complexity of derivational steps in a given structure is a fruitful area with strong potential in the second language acquisition field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,336
Écart entre enseignants0,310 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations21
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSecond language ResearchMême sujetLanguage Development and DisordersTravaux en français237 207