MétaCan
Menu
Retour à la cohorte
Enregistrement W2912588878 · doi:10.1177/1367006919826865

Genericity in third language English: Acquisition pattern and transfer in ultimate attainment

2019· article· en· W2912588878 sur OpenAlexaff
Abdelkader Hermas

Notice bibliographique

RevueInternational Journal of Bilingualism · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSyntax, Semantics, Linguistic Variation
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésLinguisticsNoun phraseSecond-language acquisitionSentenceNegationInterlanguageInterpretation (philosophy)Computer scienceMerge (version control)GrammarNounUniversal grammarPsychologyNatural language processingPhilosophy

Résumé

récupéré en direct d'OpenAlex

This study investigates the acquisition of genericity in advanced third language (L3) English. The learners are first language (L1) Moroccan Arabic–second language (L2) French adults. They completed an acceptability judgment task testing the interpretation of five count nominal types in noun phrase (NP)-level and sentence-level genericity: definite, indefinite and bare singulars, definite and bare plurals. The study defines the generic or non-generic status of every NP form in the learners’ L3 interlanguage. The results show that the L3 learners are target-like on the generic interpretation of bare plurals, although these are strictly existential in their native language and illicit in L2 French. Definite and bare singulars do not pose any difficulty either. In contrast, non-facilitative L1 transfer induces the generic interpretation of definite plurals and restricts indefinite singulars to the existential interpretation. The results show that the L3 learners do not distinguish NP-level from sentence-level genericity, reflecting L1 Arabic grammar where the two merge. They use the same pattern of NP types for the two types. Thus, knowledge of genericity in L3 English is a patchwork of target-like and non-target-like exponents.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,243 · 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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of BilingualismMême sujetSyntax, Semantics, Linguistic VariationTravaux en français237 207