MétaCan
Menu
Retour à la cohorte
Enregistrement W2939064907 · doi:10.1017/s0142716419000110

Long-term outcomes for bilinguals in minority language contexts: Welsh–English teenagers’ performance on measures of grammatical gender and plural morphology in Welsh

2019· article· en· W2939064907 sur OpenAlexaff
Hanna Binks, Enlli Thomas

Notice bibliographique

RevueApplied Psycholinguistics · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensImpact
Organismes subventionnairesEconomic and Social Research Council
Mots-clésWelshPluralPsychologyContrast (vision)LinguisticsNeuroscience of multilingualismFirst languageDevelopmental psychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract This study explored the long-term effects of limited input on bilingual teenagers’ acquisition of complex morphology in Welsh. Study 1 assessed 168 12–13 and 16–17-year-old teenagers, across three bilingual groups: those whose first language was Welsh (L1 Welsh), those who learned Welsh and English simultaneously (L1 Welsh–English), and those who learned Welsh as a second language (L2 Welsh), on their receptive knowledge of grammatical gender. Study 2 assessed the same participants on their production of plural morphology. While the results of Study 1 revealed continuous progression toward adult norms among L1 Welsh-speaking bilinguals, with the simultaneous bilinguals progressing at a slower rate, the results of Study 2 revealed performances on plural morphology that were comparable to adult norms among the 16–17-year-old L1 Welsh-speaking bilinguals, and some progression among the simultaneous bilinguals. In contrast, delayed progression was seen among the L2 Welsh-speaking bilinguals across the board, with 16–17-year-old L2 participants lagging behind their L1 peers on both grammatical gender and plural morphology. The implications of these findings for our understanding of the long-term outcomes for bilinguals learning complex structures under minority language conditions are discussed.

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 enseignants0,010
Score d'incertitude au seuil0,021

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 technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,332
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 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 revueApplied PsycholinguisticsMême sujetLanguage Development and DisordersTravaux en français237 207