Linguistic characteristics of second language acquisition and first language attrition : Turkish overt versus null pronouns
Notice bibliographique
Résumé
This thesis investigates the binding of overt and null subject pronouns in second language (L2) acquisition and first language (L1) attrition of Turkish. The aim is to provide a comparative investigation of language transfer effects in the ultimate state of the L2 and L1 grammar. More specifically, it examines transfer effects from English L1 and English L2 into the grammars of Turkish L2 and Turkish L1, respectively. In this thesis, I propose that the Subset Condition (Berwick, 1985; Manzini & Wexler, 1987) can account for transfer phenomena observed in both L2 acquisition and L1 attrition. I argue that the subset relation that holds between the L1 and the L2 can be a predictor for the extent and duration of cross-linguistic transfer in L2 acquisition and L1 attrition. In other words, whether or not a particular property will resist L2 acquisition and undergo L1 attrition can be determined by looking at the subset relationship between the L1 and the L2 with respect to that property. The prediction is that in configurations where the 'influencing language' (L1 in L2 acquisition and L2 in L1 attrition) is the superset of the 'affected language' (L2 in L2 acquisition and L1 in L1 attrition), L1 transfer effect will persist in L2 acquisition and we will see more signs of L2 transfer into the L1 grammar, resulting in more attrition effects. Pronominal binding is chosen to investigate such cross-linguistic transfer effects. English and Turkish differ with respect to governing domains and types of pronominals present in two languages. Turkish, being a pro-drop language, allows null subject pronouns in main and embedded clauses. It also has a special type of anaphoric pronominal, kendisi, for which English has no corresponding form. Two experiments were conducted to test L2 acquisition and L1 attrition of binding properties of Turkish overt and null subject pronouns under the influence of English. Participants included native English-speakers living in Turkey (end-state L2 Turkish speakers) and native Turkish-speakers living in North America (end-state L2 English speakers). Overall, results obtained from the two studies reveal cross-linguistic transfer effects in the manner predicted. In particular, properties of English overt pronouns (e.g., him/her) are transferred onto the overt Turkish pronoun o in L2 acquisition and in attrition, whereas properties of the Turkish null pronoun and the anaphoric pronominal kendisi are unaffected by English.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».