MétaCan
Menu
Retour à la cohorte
Enregistrement W2980297889 · doi:10.1558/isla.35620

What absolute beginners learn from input

2018· article· en· W2980297889 sur OpenAlexaff
Susanne Carroll, Angela George

Notice bibliographique

RevueInstructed Second Language Acquisition · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComputer scienceGenerative grammarSecond-language acquisitionContrast (vision)Language acquisitionCognitionAbsolute (philosophy)Cognitive scienceMathematics educationPsychologyArtificial intelligenceLinguisticsEpistemology

Résumé

récupéré en direct d'OpenAlex

Absolute beginners rapidly solve several word learning problems after minimal exposure to second language speech. In this article, we report on laboratory research that supports this claim. Explaining second language acquisition is a goal of foundational research. While our findings are consistent with the generativist enterprise, generativists have been content to describe what learners have acquired while avoiding discussion of the ‘how’. We describe a specific generativist approach (the Autonomous Induction Theory) that directly addresses the role of specific learning mechanisms proposed by cognitive psychology. In contrast to alternative non-generative approaches, the Autonomous Induction Theory offers a constrained theory of language acquisition. Both the data from laboratory settings and the theoretical explanations of how adult learners learn have potential implications for language teaching. One should not, however, make teaching recommendations directly from laboratory results. Rather, the findings should be reinterpreted as a research agenda for the classroom, one that recognises its complexities. In this paper, we make several proposals as to how to get from laboratory findings to a classroom-based research agenda.

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 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 candidatesCharge 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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,1260,001

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 Opus0,012
Tête enseignante GPT0,232
Écart entre enseignants0,220 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstructed Second Language AcquisitionMême sujetSecond Language Learning and TeachingTravaux en français237 207