MétaCan
Menu
Retour à la cohorte
Enregistrement W2481161651 · doi:10.1075/bpa.2.02tit

Chapter 1. Bilingualism, executive control, and eye movement measures of reading

2016· book-chapter· en· W2481161651 sur OpenAlexaff
Debra Titone, Veronica Whitford, Agnieszka Lijewska, Inbal Itzhak

Notice bibliographique

RevueBilingual processing and acquisition · 2016
Typebook-chapter
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensWestern UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésPsychologyReading (process)Control (management)Eye movementCognitive psychologyNeuroscience of multilingualismLinguisticsComputer scienceArtificial intelligenceNeurosciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

This chapter selectively reviews the literature on bilingual language processing, with a special focus on the link to executive control, eye movements during reading, and differences between two different groups that are often lumped together: bilinguals (i.e., individuals who know two languages) and multilinguals (i.e., individuals who know more than two languages). To this end, we first discuss ideas about the cognitive demands associated with knowing more than a single language. We then review how eye movement reading research has clarified two important consequences of knowledge and use of more than one language: (1) cross-language activation and its relation to executive function and (2) weakened local (i.e., word-level) and global (i.e., text-level) aspects of reading performance. Finally, we review what is currently known about the bilingual vs. multilingual distinction, and present a re-analysis of previously published data (Whitford & Titone, 2016) exploring the effects of bilingual vs. multilingual status on natural reading in both younger and older adults. Although preliminary, these findings, along with the growing literature reviewed here from other domains, illustrate the importance of taking the bilingualism/multilingualism distinction into account when trying to understand the cognitive implications of knowing more than one language.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,007

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 Opus0,033
Tête enseignante GPT0,276
Écart entre enseignants0,244 · 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

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBilingual processing and acquisitionMême sujetNeurobiology of Language and BilingualismTravaux en français237 207