MétaCan
Menu
Retour à la cohorte
Enregistrement W2235066030 · doi:10.1017/cbo9780511815065.003

Principles of Universal Grammar in L2 acquisition

2003· book-chapter· en· W2235066030 sur OpenAlexaff
Lydia White

Notice bibliographique

RevueCambridge University Press eBooks · 2003
Typebook-chapter
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésUniversal grammarGrammarLinguisticsComputer scienceSecond-language acquisitionNatural language processingPhilosophy

Résumé

récupéré en direct d'OpenAlex

UG and the logical problem of L2 acquisition As discussed in chapter 1, UG is motivated on learnability grounds: the subtle and abstract knowledge attained by native speakers goes far beyond the input that they receive as young children. In L2 acquisition, learners are faced with a similar task to that of L1 acquirers, namely the need to arrive at a system accounting for L2 input. In addition, L2 learners are also faced, at least potentially, with a logical problem of language acquisition, in that there are abstract, complex and subtle properties of grammar that are underdetermined by the L2 input (Schwartz and Sprouse 2000a, b; White 1985a, 1989). If it turns out that the L2 learner acquires abstract properties that could not have been induced from the input, this is strongly indicative that principles of UG constrain interlanguage grammars, parallel to the situation in L1 acquisition. This is true even if the linguistic competence of L2 learners differs from the linguistic competence of native speakers. In other words, it is not necessary for L2 learners to acquire the same knowledge as native speakers in order to demonstrate a poverty-of-the-stimulus situation in L2 acquisition; it is sufficient to show that L2 learners acquire complex and subtle properties of language that could not have been induced from the L2 input.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,009
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,221
Écart entre enseignants0,197 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetLanguage Development and DisordersTravaux en français237 207