MétaCan
Menu
Retour à la cohorte
Enregistrement W2950323690 · doi:10.1177/0142723719850955

On the inefficiency of negative feedback in Russian morphology L1 acquisition

2019· article· en· W2950323690 sur OpenAlexafffund
Elena Kulinich, Phaedra Royle, Daniel Valois

Notice bibliographique

RevueFirst Language · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversité du Québec à MontréalUniversité de MontréalCentre for Research on Brain Language and Music
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologyVerbInefficiencyRepetition (rhetorical device)Negative feedbackControl (management)AudiologyCorrective feedbackInterval (graph theory)Feedback controlComputer scienceMathematicsLinguisticsMedicineArtificial intelligenceMathematics education

Résumé

récupéré en direct d'OpenAlex

This study investigates negative feedback effects on inflectional morphology acquisition in Russian. In order to examine the effects of adult feedback on child error elimination and assess the lasting effect of feedback, a series of elicited tasks was conducted with 65 Russian children aged from 3 to 4 years. Twelve verbs which undergo overregularization in the non-past tense resulting from applying the yod /j/-pattern were used as stimuli. The experiment was repeated over four sessions with bi-weekly intervals between sessions 1, 2, 3 and a four-week interval between sessions 3 and 4. Four groups of participants were formed with three types of feedback (Correction, Clarification Question and Repetition), and a control group without feedback. No significant differences were observed between groups with different feedback types, or even without feedback. This finding supports the general hypothesis that negative feedback is not a strong driver of recovery from overregularization errors in verb acquisition.

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)0,005
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,252
Écart entre enseignants0,245 · 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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFirst LanguageMême sujetLanguage Development and DisordersTravaux en français237 207