Phonology, Semantics, and the Comprehension–Expression Gap in Emerging Lexicons
Notice bibliographique
Résumé
Purpose Children come to understand many words by the end of their 1st year of life, and yet, generally by 12 months, only a few words are said. In this study, we investigated which linguistic factors contribute to this comprehension-expression gap the most. Specifically, we asked the following: Are phonological neighborhood density, semantic neighborhood density, and word frequency (WF) significant predictors of the probability that words known (understood) by children would appear in their spoken lexicons? Method Monosyllabic words in the active (understood and said) and passive (understood, not said) lexicons of 201 toddlers were extracted from the Dutch Communicative Development Inventory (Zink & Lejaegere, 2002) parent-completed forms. A generalized linear mixed-effects model was applied to the data. Results Phonological neighborhood density and WF were independently and significantly associated with whether or not a known word would be in children's spoken lexicons, but semantic neighborhood density was not. There were individual differences in the impact of WF on the probability that known words would be said. Conclusion The novel findings reported here have 2 major implications. First, they indicate that the comprehension-expression gap exists partly because the phonological distributional properties of words determine how readily words can be phonologically encoded for word production. Second, there are likely subtle and complex individual differences in how and when the statistical properties of the ambient language impact on children's emerging lexicons that might best be explored via longitudinal sampling of word knowledge and use.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».