MétaCan
Menu
Retour à la cohorte
Enregistrement W2955922118 · doi:10.1017/9781108333603.003

Cognitive Approaches to Second Language Acquisition

2019· book-chapter· en· W2955922118 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCambridge University Press eBooks · 2019
Typebook-chapter
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésSalience (neuroscience)Language acquisitionCognitionPsychologyCognitive psychologyAssociative learningComputer scienceAssociative propertySecond-language acquisitionLinguisticsCognitive scienceMathematics education

Résumé

récupéré en direct d'OpenAlex

In this chapter, we describe the constructs and working assumptions that characterize such approaches to language learning, with a particular focus on their cognitive underpinnings and how these explain differences between the linguistic forms that distinguish L1 and L2 speakers. We first define constructions as the targets of language learning and then describe the processes of construction learning in terms of exemplar-based, rational, associative learning. Not all constructions are equally learnable by all learners: naturalistic second language learners process open-class words more efficiently than grammatical cues even though the grammatical cues may be more frequent. We outline a usage-based account of this phenomenon in terms of salience, contingency, and redundancy, and explain how effects of learned attention and blocking further limit learning in adult L2 learners. We describe educational interventions taking these findings into consideration and conclude with further readings on usage-based approaches to L2 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,059
Tête enseignante GPT0,248
Écart entre enseignants0,189 · 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