MétaCan
Menu
Retour à la cohorte
Enregistrement W2161321278 · doi:10.1017/s0272263112000691

THE ROLE OF SEMANTIC TRANSFER IN CLITIC DROP AMONG SIMULTANEOUS AND SEQUENTIAL CHINESE-SPANISH BILINGUALS

2012· article· en· W2161321278 sur OpenAlexaff
Alejandro Cuza, Ana Teresa Pérez‐Leroux, Liliana Sánchez

Notice bibliographique

RevueStudies in Second Language Acquisition · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCliticLinguisticsNegationPsychologyContext (archaeology)Argument (complex analysis)Meaning (existential)Object (grammar)Null (SQL)Computer scienceHistoryPhilosophy

Résumé

récupéré en direct d'OpenAlex

This study examines the acquisition of the featural constraints on clitic and null distribution in Spanish among simultaneous and sequential Chinese-Spanish bilinguals from Peru. A truth value judgment task targeted the referential meaning of null objects in a negation context. Objects were elicited via two clitic elicitation tasks that targeted anaphoric contexts and left-dislocated topics. An acceptability task tested sensitivity to left-dislocated object drop. Although simultaneous bilinguals were mostly undistinguishable from monolinguals, the late learners differed from both of these groups across tasks. Age of arrival led to different outcomes, with late learners showing more deficits than the child learners. Late learners avoided using clitics and relied on lexical and null objects. Residual transfer effects were observed among the child learners in the form of insensitivity to the features that serve as the basis for null argument identification and clitic deficits in production. It is also argued that transfer persists despite early and intense exposure to the second language in a natural environment because of the existence of an unmarked argument identification option in the first language.

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)0,003
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,320
Écart entre enseignants0,309 · 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

Citations86
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Second Language AcquisitionMême sujetLanguage Development and DisordersTravaux en français237 207