Past Tense Production by English Second Language Learners With and Without Language Impairment
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
PURPOSE: This study investigated whether past tense use could differentiate children with language impairment (LI) from their typically developing (TD) peers when English is children's second language (L2) and whether L2 children's past tense profiles followed the predictions of Bybee's (2007) usage-based network model. METHOD: A group of L2 children with LI (L2-LI) and a matched group of L2-TD peers were administered the past tense probe from the Test of Early Grammatical Impairment (Rice & Wexler, 2001) and the Peabody Picture Vocabulary Test (Dunn & Dunn, 1997). A representative input corpus provided distributional information for each verb used. Background information was obtained via parent questionnaire. RESULTS: The L2-LI group used fewer tense-marked verbs than did the L2-TD group. In both groups, vocabulary size and word frequency predicted accuracy with regular and irregular verbs. Children omitted regular past tense marking most often after alveolar stops, dropping the allomorph /Id/; L2-TD children omitted /t/ more often than /d/. Finally, first language typology predicted past tense accuracy. CONCLUSIONS: Past tense use could potentially differentiate between English L2 children with and without LI. The impact of vocabulary, frequency, and phonological factors supported the network model and indicated profile differences between L2-LI and L2-TD children.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 découle