MétaCan
Menu
Retour à la cohorte
Enregistrement W2156413826 · doi:10.1080/17470210802578385

Short Article: Tracking the Transition from Sublexical to Lexical Processing: On the Creation of Orthographic and Phonological Lexical Representations

2009· article· en· W2156413826 sur OpenAlexaff
Erin A. Maloney, Evan F. Risko, Shannon O’Malley, Derek Besner

Notice bibliographique

RevueQuarterly Journal of Experimental Psychology · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésReading aloudRead aloudLexical accessRepetition (rhetorical device)LinguisticsOrthographic projectionReading (process)PsychologyPhonologyTransition (genetics)Computer scienceLexiconSpeech recognitionCognitive psychologyNatural language processingArtificial intelligenceCognition

Résumé

récupéré en direct d'OpenAlex

Participants read aloud nonword letter strings, one at a time, which varied in the number of letters. The standard result is observed in two experiments; the time to begin reading aloud increases as letter length increases. This result is standardly understood as reflecting the operation of a serial, left-to-right translation of graphemes into phonemes. The novel result is that the effect of letter length is statistically eliminated by a small number of repetitions. This elimination suggests that these nonwords are no longer always being read aloud via a serial left-to-right sublexical process. Instead, the data are taken as evidence that new orthographic and phonological lexical entries have been created for these nonwords and are now read at least sometimes by recourse to the lexical route. Experiment 2 replicates the interaction between nonword letter length and repetition observed in Experiment 1 and also demonstrates that this interaction is not seen when participants merely classify the string as appearing in upper or lower case. Implications for existing dual-route models of reading aloud and Share's self-teaching hypothesis are discussed.

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)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,049
Tête enseignante GPT0,395
Écart entre enseignants0,346 · 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

Citations45
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of Experimental PsychologyMême sujetReading and Literacy DevelopmentTravaux en français237 207