MétaCan
Menu
Retour à la cohorte
Enregistrement W2759225932 · doi:10.5430/wjel.v7n3p1

Subjacency Violations in Second Language Acquisition: Some Evidence from Chinese Mandarin Speakers of L2 English

2017· article· en· W2759225932 sur OpenAlexvenueno aff
Dai Xia

Notice bibliographique

RevueWorld Journal of English Language · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrammaticalityMandarin ChineseLinguisticsTest (biology)PsychologySecond-language acquisitionSecond languageJudgementFirst languageComputer scienceGrammarPhilosophy

Résumé

récupéré en direct d'OpenAlex

The literature review shows that many previous studies have used Subjacency to test the availability of UniversalGrammar (UG) in second language acquisition. Schachter (1989) claimed that L2 learners do not have access to UGprinciples, while Hawkins and Chan (1997) suggested that L2 learners had partial availability of UG, for they foundthere was a strong difference between the elementary L2 learners and the advanced L2 learners in judging theungrammaticality of Subjacency violations; that is, the elementary L2 learners owned the highest accuracy. Underthe hypothesis of partially availability of UG in second language acquisition, L2 learners are only able to acquire theproperties instantiated in their L1s. Although they may accept violations of universal constraints, it is only at facevalue; rather the L2 learners develop different syntactic representations from the native speakers. This study has beenundertaken as a follow-up study of Hawkins and Chan (1997), and tested on L1 Mandarin speakers of L2 English injudging the grammaticality of their Subjacency violations. The results of the Grammaticality Judgement Test showthat the accuracy of Chinese speakers in judgement increased with English proficiency and that they rejectedresumptives inside islands as a repair. Contrary to the previous findings, this study provides evidence that UG isavailable in adult second language acquisition.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,703
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0700,000

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 Opus0,014
Tête enseignante GPT0,316
Écart entre enseignants0,303 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetSecond Language Acquisition and LearningTravaux en français237 207