Quantifying child directed speech cross-culturally across development
Notice bibliographique
Résumé
Child-directed speech (CDS) influences language development (e.g., Golinkoff et al., 2015), but varies across cultural and demographic groups (Hoff, 2006). Recent work examining speech heard by North American English (NAE) infants found an increased proportion of CDS with age (Bergelson et al., 2018). Quantity of CDS remained relatively constant across age, while quantity of adult-directed speech (ADS) decreased. We replicate these findings using a different methodology, and expand them to include other language communities. Our data come from daylong audio recordings of 58 children ages 2–36 months from the ACLEW dataset (Bergelson et al., 2017; 30 children acquiring NAE, 10 UK English, 8 Argentinian Spanish, and 10 Tseltal/Mayan). Ten randomly selected 2-min segments (Tseltal: nine 5-min segments) from each child were annotated for speaker gender, age (child or adult), and addressee for each utterance. We calculated the minutes per hour of CDS, ADS, and all speech. Preliminary analyses find high variability in overall language input across individuals, age, and culture, and partially replicate the Bergelson et al. (2018) pattern of results. Ongoing annotation will permit finer-grained analyses of sub-group differences. Further analyses will examine the influence of factors such as speaker gender, number of speakers, and maternal education.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».