MétaCan
Menu
Retour à la cohorte
Enregistrement W2760836268 · doi:10.1111/desc.12607

The development of morphological representations in young readers: a cross‐modal priming study

2017· article· en· W2760836268 sur OpenAlexaff
Pauline Quémart, Laura M. Gonnerman, Jennifer Downing, S. Hélène Deacon

Notice bibliographique

RevueDevelopmental Science · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensDalhousie UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésMorphemePsychologyPriming (agriculture)Lexical decision taskLinguisticsSimilarity (geometry)Word recognitionSemantics (computer science)Meaning (existential)Task (project management)Word (group theory)Cognitive psychologyCommunicationReading (process)CognitionArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

The way children organize words in their memory has intrigued many researchers in the past 20 years. Given the large number of morphologically complex words in many languages, the influence of morphemes on this organization is being increasingly examined. The aim of this study was to understand how morphemic information influences English-speaking children's word recognition. Children in grades 3 and 5 were asked to complete a lexical decision priming task. Prime-target pairs varied in semantic similarity, with low (e.g., belly-bell), moderate (e.g., lately-late), and high similarity relations (e.g., boldly-bold). There were also word pairs similar in form only (e.g., spinach-spin) and in semantics only (e.g., garbage-trash). Primes were auditory and targets were presented visually. Analyses of children's lexical decision times revealed graded priming effects as a function of the convergence of form and meaning. These results indicate that developing readers do not necessarily need to lexicalize morphological units to facilitate word recognition. Their ability to process the morphological structure of words depends on their ability to develop connections between form and meaning.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,420
Écart entre enseignants0,335 · 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

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopmental ScienceMême sujetReading and Literacy DevelopmentTravaux en français237 207