MétaCan
Menu
Retour à la cohorte
Enregistrement W2773449801 · doi:10.1017/s0305000917000423

Children's comprehension of contrastive connectives

2017· article· en· W2773449801 sur OpenAlexaff
Jennifer Spenader

Notice bibliographique

RevueJournal of Child Language · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk Onderzoek
Mots-clésComprehensionPronounTask (project management)PsychologyContext (archaeology)LinguisticsInterpretation (philosophy)SyntaxCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Production studies show connective acquisition by age 3;0, but comprehension studies show errors until 9;0 or older. To further investigate this gap, two comprehension tasks were carried out with 78 Dutch children between the ages of 7;0 and 10;1, testing contrastive maar 'but' and causal want 'because' connectives for comparison. An existing context choice task and a task that tested children's ability to interpret pronouns dependent on the connective were used. Children did well on the context choice task for want 'because', but performed far below chance with maar 'but'. In the pronoun interpretation task the youngest children performed at or near chance with both connectives, but show gradual improvement with age. Task complexity may partially explain the results but in general, they are consistent with previous experiments showing contrastive connective comprehension is acquired very late compared to their correct production. Further, the pronoun interpretation task may give a more accurate picture of understanding.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,349
Score d'incertitude au seuil0,850

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,302
Écart entre enseignants0,294 · 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.

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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Child LanguageMême sujetLanguage Development and DisordersTravaux en français237 207