MétaCan
Menu
Retour à la cohorte
Enregistrement W2921741742 · doi:10.1017/s0272263119000044

TOWARD A DYNAMIC VIEW OF SECOND LANGUAGE COMPREHENSIBILITY

2019· article· en· W2921741742 sur OpenAlexaff
Charlie Nagle, Pavel Trofimovich, Annie Bergeron

Notice bibliographique

RevueStudies in Second Language Acquisition · 2019
Typearticle
Langueen
DomainePsychology
ThématiquePhonetics and Phonology Research
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPsychologyCLIPSActive listeningDowngradeTask (project management)RecallCognitive psychologyLanguage proficiencyVariation (astronomy)Second languageLinguisticsComputer scienceCommunicationArtificial intelligenceMathematics education

Résumé

récupéré en direct d'OpenAlex

Abstract This study took a dynamic approach to second language (L2) comprehensibility, examining how listeners construct comprehensibility profiles for L2 Spanish speakers during the listening task and what features enhance or diminish comprehensibility. Listeners were 24 native Spanish speakers who evaluated 2–5 minute audio clips recorded by three university-level L2 Spanish speakers responding to two prompts. Listeners rated comprehensibility dynamically, using Idiodynamic Software to upgrade or downgrade comprehensibility over the course of the listening task. Dynamic ratings for one audio clip were video-captured for stimulated recall, and listeners were interviewed to understand which aspects of L2 speech were associated with enhanced versus diminished comprehensibility. Results indicated that clips that were downgraded more often received lower global ratings but upgrading was not associated with higher ratings. Certain problematic features and individual episodes caused listeners’ impressions to converge, though substantial individual variation among listeners was evident.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,391
Écart entre enseignants0,353 · 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

Citations46
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Second Language AcquisitionMême sujetPhonetics and Phonology ResearchTravaux en français237 207