MétaCan
Menu
Retour à la cohorte
Enregistrement W2753698339 · doi:10.3389/fpsyg.2017.01469

How Children Become Sensitive to the Morphological Structure of the Words That They Read

2017· article· en· W2753698339 sur OpenAlexafffund
S. Hélène Deacon, Kathryn A. Francis

Notice bibliographique

RevueFrontiers in Psychology · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensNova Scotia Cancer CentreDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésReading (process)PsychologyWord lists by frequencySet (abstract data type)Word (group theory)Base (topology)Cognitive psychologyAffect (linguistics)Developmental psychologyLinguisticsCommunicationComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Background. We tested the predictions of models of word reading development as to the effects of repeated exposure on reading of derived words. Aim. Our goal was to examine the impacts of variables that quantify different aspects of this exposure: base frequency, family frequency, and family size. Methods and Samples. In Experiment 1, we asked 75 children in Grades 3 and 5 to read derived words with low surface frequencies (e.g., questionable) that varied in base frequency, family frequency, and family size. In Experiment 2, we asked 41 adults to read the same set of words. Results. In Experiment 1, only base frequency made a contribution that was independent of the other two variables of interest (family size and family frequency) and the control variables (surface frequency, semantic relatedness, and neighbourhood size). In Experiment 2, a similar pattern of results emerged, this time on reading speed. Conclusions. Together, results of these two studies suggest that base frequency has a special role in both children’s and adults’ reading of morphologically complex words. These findings suggest that it plays a specific role in development and maintenance of sensitivity to morphological structure in reading.

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)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,309
Écart entre enseignants0,289 · 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

Citations14
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetReading and Literacy DevelopmentTravaux en français237 207