Willingness to Communicate and Second Language Speech Fluency: A Complex Dynamic Systems Perspective
Notice bibliographique
Résumé
The application of complex dynamic systems theory (CDST) in second language (L2) research has recently gained ground, instigating a growing series of studies investigating the complex and dynamic nature of individual difference (ID) variables, such as WTC (willingness to communicate). Fewer dynamically informed investigations, however, have targeted L2 performance constructs, like speech fluency. Both WTC and L2 fluency presumably influence communications in a L2 and have been argued to retain cognitive and affective bases Despite these, little has been done to address such dynamics, particularly from a complex dynamic systems (CDS) perspective. To bridge this gap, the present exploratory study employed an idiodynamic methodology, informed by CDST, to monitor WTC and fluency changes during three-minute, mainly monologic speaking tasks, with an emphasis on the dynamics of change in interaction with temporal measures of speech, including mean length of runs (MLRs), speech rate (SR), and pause phenomena. An investigation of 882 cases of interplay between WTC changes and fluent/dysfluent speech samples revealed an existing interaction, which took on four different forms. Results also indicated that the interaction is of a dynamic one, and is mostly two-way, direct and indirect, unpredictable, and interdependently multilayered. Further, both variables as well as their interplay shared and exhibited such properties as dynamicity, nonlinearity, interconnectedness, and formation of attractor states, all of which are characteristic of complex dynamic systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».