<i>Wh-</i> questions in child L2 French: Derivational complexity and its interactions with L1 properties, length of exposure, age of exposure, and the input
Notice bibliographique
Résumé
This study investigates how derivational complexity interacts with first language (L1) properties, second language (L2) input, age of first exposure to the target language, and length of exposure in child L2 acquisition. We compared elicited production of wh-questions in French in two groups of 15 participants each, one with L1 English (mean age 8 years 10 months or 8;10) and one with L1 Dutch (mean age 6;3), which were further subdivided into subgroups matched for the different variables under examination. Although in their L1s wh-questions display wh-movement and subject–verb/aux inversion, the learners did not perform similarly. A high number of wh-in-situ questions (i.e. the least complex option) was produced by the L1-English children, suggesting that derivational complexity can override L1 influence. In the L1-Dutch group, questions with overt wh-movement were more frequent. This may stem from the influence of generalized XP-movement to the left periphery in Dutch. Inversion (i.e. the most complex option) was rare in both groups and was related to contact with formal schooling. These results hold across the different subgroups, which suggests not only that complexity plays a role in child L2 acquisition, but also that its effects may differ according to the properties of the L1.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».