Grammatical gender-marking ability of multilingual children in French immersion
Notice bibliographique
Résumé
Aims and objectives/purpose/research questions: We explored the advantage of bilingualism and the effect of linguistic proximity on the acquisition of determiner-noun agreement, an aspect of inflectional morphology, in a French immersion setting. To our knowledge, third language acquisition literature has yet to provide evidence of a bilingual advantage in learning a particular feature of morphology in an additional language among young children. Design/methodology/approach: We compared accuracy in determiner-noun agreement on a narrative task in three groups of grade 1 and 2 students ( n = 15 in each group): a group of third language French learners whose first language marked gender, a group of third language French learners whose first language did not mark gender, and a group of English learners learning French as a second language. Data and analysis: If the determiner and the noun agreed in gender, gender on the determiner was considered correct. A repeated measures factorial ANCOVA was carried out to compare the performance among the three language groups on the proportion of correctly marked masculine and feminine nouns. Findings/conclusions: All of the children achieved high levels of accuracy on masculine nouns with no difference among the three language groups on the proportion of correctly marked masculine nouns. There was a significant difference in the proportion of correctly marked feminine nouns in favour of the group whose first language marks gender compared to the other two groups. Originality: The current study supports transfer in the domain of morphology among primary-school-aged children (who are first language speakers of diverse minority languages) in the early stages of third-language French acquisition. Significance/implications: This finding provides preliminary evidence of a bilingual advantage in the domain of morphology among young, emergent trilinguals whose first language and third language share gender marking as a linguistic feature, supporting the linguistic proximity model.
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 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».