MétaCan
Menu
Retour à la cohorte
Enregistrement W2168838199 · doi:10.1177/0023830908099068

Child—Adult Differences in Second-Language Phonological Learning: The Role of Cross-Language Similarity

2008· article· en· W2168838199 sur OpenAlexaff
Wendy Baker, Pavel Trofimovich, James Emil Flege, Molly Mack, Randall Halter

Notice bibliographique

RevueLanguage and Speech · 2008
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensConcordia University
Organismes subventionnairesNational Institute on Deafness and Other Communication Disorders
Mots-clésVowelPsychologyPerceptionPhonological developmentLinguisticsSimilarity (geometry)Second languageFirst languageSpeech productionLanguage acquisitionMid vowelSpeech perceptionAudiologyCognitive psychologyPhonologyComputer scienceArtificial intelligenceFormantMedicine

Résumé

récupéré en direct d'OpenAlex

This study evaluated whether age effects on second language (L2) speech learning derive from changes in how the native language (L1) and L2 sound systems interact. According to the "interaction hypothesis" (IH), the older the L2 learner, the less likely the learner is able to establish new vowel categories needed for accurate L2 vowel production and perception because, with age, L1 vowel categories become more likely to perceptually encompass neighboring L2 vowels. These IH predictions were evaluated in two experiments involving 64 native Korean- and English-speaking children and adults. Experiment 1 determined, as predicted, that the Korean children were less likely than the Korean adults to perceive L2 vowels as instances of a single L1 vowel category. Experiment 2 showed that the Korean children surpassed the Korean adults in production of certain vowels but equaled them in vowel perception. These findings, which partially support the IH, are discussed in relation to L2 speech learning.

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 enseignants0,002
Score d'incertitude au seuil0,008

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,020
Tête enseignante GPT0,321
Écart entre enseignants0,300 · 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

Citations120
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLanguage and SpeechMême sujetPhonetics and Phonology ResearchTravaux en français237 207