Why is number word learning hard? Evidence from bilingual learners.
Notice bibliographique
Résumé
Young children typically take between 18 months and 2 years to learn themeanings of number words. In the present study, we investigated thisdevelopmental trajectory in bilingual preschoolers to examine the relativecontributions of two factors in number word learning: (1) the constructionof numerical concepts, and (2) the mapping of language specific words ontothese concepts. We found that children learn the meanings of small numberwords (i.e., one, two, and three) independently in each language,indicating that observed delays in learning these words are attributable todifficulties in mapping words to concepts. In contrast, children generallylearned to accurately count larger sets (i.e., five or greater)simultaneously in their two languages, suggesting that the difficulty inlearning to count is not tied to a specific language. We also replicatedprevious studies that found that children learn the counting procedurebefore they learn its logic – i.e., that for any natural number, n, thesuccessor of n in the count list denotes the cardinality n+1. Consistentwith past studies, we find that knowledge of this successor principleexhibits partial transfer between languages, suggesting that the logic ofthe positive integers may not be stored in a language-specific format. Weconclude that delays in learning the meanings of small number word aremainly due to language-specific processes of mapping words to concepts,whereas the logic and procedures of counting appear to be learned in aformat that is independent of a particular language and thus transfersrapidly from one language to the other in development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».