MétaCan
Menu
Retour à la cohorte
Enregistrement W2949041551 · doi:10.1017/s1366728918001207

Are there cognitive benefits of code-switching in bilingual children? A longitudinal study

2019· article· en· W2949041551 sur OpenAlexaff
Olivia Kuzyk, Margaret Friend, Vivianne Severdija, Pascal Zesiger, Diane Poulin‐Dubois

Notice bibliographique

RevueBilingualism Language and Cognition · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensConcordia University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human Development
Mots-clésCode-switchingContext (archaeology)PsychologyCognitionTypologyCode (set theory)Developmental psychologyExecutive functionsLongitudinal studyComputer scienceLinguisticsProgramming languageSociologyHistoryMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The current study explored bilingual parent and child code-switching patterns over time. Concurrent and predictive models of code-switching behaviour on executive function outcomes were also examined in a sample of 29 French-English bilinguals at 36 (Wave 1) and 61 (Wave 2) months of age. We investigated whether code-switching typology in a single-language context predicted executive function performance at each wave independently, and whether growth in code-switching frequency across waves predicted executive function performance at Wave 2. At both waves, parents and children participated in two free play sessions (in English and French), followed by a battery of executive function tasks administered in the dominant language. Results indicate more frequent code-switching from the non-dominant to the dominant language in children, and that children code-switch to fill lexical gaps. Results also suggest that less frequent code-switching in a single-language context is associated with better inhibitory control skills during the preschool period.

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 enseignants0,030
Score d'incertitude au seuil0,059

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,318
Écart entre enseignants0,292 · 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

Citations59
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBilingualism Language and CognitionMême sujetLanguage Development and DisordersTravaux en français237 207