The Development of Voice Onset Time (VOT) in a Content-Based Instruction University Program by Japanese Learners of English: A Longitudinal Study
Notice bibliographique
Résumé
Dans une étude longitudinale, l’auteur se demande si l’inscription à un programme de formation basé sur le contenu dans une université japonaise améliore le temps de voisement du /p/, du /t/ et du /k/ en anglais chez les apprenants d’une langue seconde. Les mesures du temps de voisement sont prises au début, au milieu et à la fin de l’année universitaire et soumises à une analyse acoustique. Des améliorations significatives du temps de voisement sont observées au cours de l’année durant laquelle les étudiants reçoivent environ 300heures de contenu dans le cadre du programme. Toutefois, les résultats montrent aussi que les améliorations du temps de voisement ne sont pas influencées par le volume du contenu en langue seconde livré par des locuteurs natifs. Ces observations semblent indiquer que les apprenants peuvent devenir de meilleurs locuteurs de la langue seconde s’ils sont exposés à cette langue dans le cadre d’un programme de formation basé sur le contenu en phase initiale d’apprentissage, grâce à une exposition précoce et intensive à la langue seconde, peu importe la provenance de l’intrant.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».