CONTEXTUAL WORD LEARNING IN THE FIRST AND SECOND LANGUAGE
Notice bibliographique
Résumé
Abstract Access to definitions facilitates the learning of word meanings when novel words are encountered in reading. However, the memorial costs and benefits of inferring word meanings from context, compared to seeing definitions of unfamiliar words before reading, are not yet well understood. We conducted two experiments with adult L1 (English) and L2 (Chinese) readers to investigate whether the development of declarative and nondeclarative word knowledge benefits more when definitions are supplied before reading (errorless treatment) or after reading (trial-and-error treatment). Study participants encountered 90 target vocabulary items three times in short informative texts under errorless or trial-and-error conditions and entered their meaning inferences immediately after reading each text. Posttreatment, we evaluated participants’ declarative knowledge of the target items using a meaning generation (recall) task and nondeclarative knowledge using a self-paced reading task. The trial-and-error treatment followed by definitions resulted in a superior declarative and nondeclarative knowledge, compared to the errorless treatment, for L1 and L2 readers. Inference errors affected the development of declarative but not nondeclarative knowledge, and the trajectory of the development of nondeclarative knowledge was different for L1 and L2 readers. We interpret these findings in terms of the declarative and nondeclarative memory processes underpinning contextual word learning.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».