Narrative abilities in subgroups of English language learners and monolingual peers
Notice bibliographique
Résumé
Aims and objectives: The objective of this study was to examine the narrative ability of two subgroups of English Language Learners (ELLs) relative to a group of English monolingual (EL1) peers. Specifically, we investigated whether the three groups of children differed on measures of narrative macrostructure and microstructure. Methodology: Two groups of ELLs were identified on the basis of parent report of the language most often heard and spoken at home (ELL English language users, ELL minority language users). A group of monolingual English children served as a comparison group ( n = 25 per language group). The children averaged 56 months of age. All children completed a narrative retell task. Data and analysis: The retell task was scored in relation to macrostructure (narrative information) and microstructure (number of utterances, mean length of utterance, number of different words, grammaticality). ANCOVAs, partialling out age and memory, revealed distinct performance profiles for the two ELL groups. Findings: There were no group differences on the number of utterances or story grammar. However, the performance of the ELL minority language group was significantly different from that of the EL1 and the ELL English language group on all microstructure measures (number of different words, sentence length, and grammaticality). Overall, the performance of the ELL English language users was indistinguishable from the EL1 group. Originality: The study highlights the heterogeneity in an ELL kindergarten sample with respect to English narrative ability, based on the extent to which English was heard and spoken at home. Implications: The findings highlight the need to gather detailed linguistic information about the home language environments of ELL children when involving them in language- or literacy-related tasks. An important implication of this information is the potential to lead to more nuanced expectations or teaching methods for subgroups of ELL 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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».