MétaCan
Menu
Retour à la cohorte
Enregistrement W2160606914 · doi:10.1017/s1366728913000576

Reading English with Japanese in mind: Effects of frequency, phonology, and meaning in different-script bilinguals

2013· article· en· W2160606914 sur OpenAlexaff
Koji Miwa, Ton Dijkstra, Patrick Bolger, R. Harald Baayen

Notice bibliographique

RevueBilingualism Language and Cognition · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLinguisticsCognateLexical decision taskPhonologyPsychologyPriming (agriculture)Scripting languageAge of AcquisitionNeuroscience of multilingualismWord lists by frequencyWord recognitionReading (process)Meaning (existential)Computer scienceCognitionSentence

Résumé

récupéré en direct d'OpenAlex

Previous priming studies suggest that, even for bilinguals of languages with different scripts, non-selective lexical activation arises. This lexical decision eye-tracking study examined contributions of frequency, phonology, and meaning of L1 Japanese words on L2 English word lexical decision processes, using mixed-effects regression modeling. The response times and eye fixation durations of late bilinguals were co-determined by L1 Japanese word frequency and cross-language phonological and semantic similarities, but not by a dichotomous factor encoding cognate status. These effects were not observed for native monolingual readers and were confirmed to be genuine bilingual effects. The results are discussed based on the Bilingual Interactive Activation model (BIA+, Dijkstra & Van Heuven, 2002) under the straightforward assumption that English letter units do not project onto Japanese word units.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil0,609

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,256
Écart entre enseignants0,249 · 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'étudeQualitatif
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

Citations55
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBilingualism Language and CognitionMême sujetReading and Literacy DevelopmentTravaux en français237 207