Mood Selection in Relative Clauses by French–Spanish Bilinguals: Contrasts and Similarities between L2 and Heritage Speakers
Notice bibliographique
Résumé
In this paper, we explore three issues related to the acquisition of mood selection in Spanish relative clauses by second language (L2) and heritage (HL) speakers of Spanish: (1) whether HL speakers are more native-like than L2 learners; (2) whether the speakers’ performance differs depending on task modality (written vs. oral), since HL speakers are known to perform better in oral tasks and L2 learners tend to do better in written tasks; and (3) whether knowledge of French as an L1/dominant language (DL) has an impact on the acquisition of Spanish subjunctive, since both languages include this mood in their grammars, but it is used more productively in Spanish. Results from a sentence combination felicity task (SCFT) in Spanish—in written and oral forms—and a written elicited production task (EPT) in French, administered to advanced L2 and HL speakers of Spanish whose L1/DL is French and two monolingual (Spanish and French) control groups, revealed that L2 learners pattern more closely with the control group than HL speakers in the SCFT, both written and orally. In the EPT, all bilingual speakers display higher levels of subjunctive use than the control group, showing a potential influence from the L2/weaker language on the L1/DL.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».