Electrophysiology reflects the influence of discourse context on auditory semantic processing in bilinguals.
Notice bibliographique
Résumé
Most language experiences take place at the level of multiple sentences. However, previous studies of second language (L2) comprehension have typically focused on lexical- and sentence-level processing. Our study addresses this gap by examining auditory discourse comprehension in 32 English/French bilinguals. We tested the prediction of the noisy channel model (Futrell & Gibson, 2017) that bilinguals will rely more on top-down, discourse-level cues in L2 because these are common across languages, as opposed to the language-specific associations of an often weaker L2. We further hypothesized that these effects could be influenced by individual differences, such that participants with lower L2 proficiency or working memory would have more difficulty building and maintaining discourse context. Specifically, we measured the N400 response, an index of automatic semantic processing. Participants heard three-sentence stories with prime and target words in the final sentence whose lexical association was manipulated, as was the congruence of the target with the preceding discourse. Overall, our results support the noisy channel model of language comprehension in a sample of highly proficient bilinguals. We observed larger N400 effects of discourse congruence than lexical association, and the difference between these 2 conditions was greater in the L2 than in the L1. Additionally, the effects of lexical association were limited to the L1 and predicted by individual differences in language dominance but not working memory. These findings suggest that bilinguals do indeed make greater use of top-down, supralinguistic information in their L2 compared with their L1. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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 | 0,001 |
| 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 | 0,001 |
| 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 ».