Segmenting words from bilingual speech: Evidence from 8- and 10-month-olds
Notice bibliographique
Résumé
Previous studies show that young monolingual infants use language-specific cues to segment words from multiword utterances in their native language. However, little is known about how infants deal with the segmentation challenge in bilingual environments. Here, we examined the word segmentation abilities of young infants in a mixed dual-language task. Infants were familiarized with an English-French passage containing a target word in each language, and were then tested on their recognition of those target words. Results confirm that 8-month-old monolingual infants show language-specific patterns in word segmentation: English- and French-monolingual infants segmented in their native language, but not in the other unfamiliar language. As a group, 8- and 10-month-old bilingual infants showed positive evidence of segmentation in both of their native languages. However, closer inspection of the data suggests that bilingual infants are only able to segment in the language in which they receive more exposure. Taken together, these results suggest a dose-response relationship between speech input and word segmentation: that is, more input in a language gives infants more opportunities to learn about how word boundaries are denoted in that language. This study also addresses the possible roles of attention and code-mixing on the development of word segmentation abilities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».