Comprehension of English plural-singular marking by Mandarin-L1, early L2-immersion learners
Notice bibliographique
Résumé
Abstract Previous research has established that early second language (L2) learners in classroom immersion may not ultimately produce all L2 morphosyntactic features as first language (L1) speakers of the language do, whereas L2 comprehension outcomes are reported to be less divergent from those of L1 speakers. However, immersion learners’ L2 comprehension is typically assessed using tasks of holistic understanding, and therefore, little is known about fine-grained comprehension of specific morphosyntactic constructions. To address this, the present study examined online comprehension of English plural–singular marking by Mandarin-speaking, English-immersion learners in Taiwan. This semantically transparent feature differs from the L1 grammar and is a notable area of difficulty for Mandarin-speaking L2-English learners. The present study assesses middle school-aged immersion learners’ comprehension using a visual-world eye-tracking task combined with a picture decision task, comparing results to age-matched English-monolingual controls. After more than 8 years of L2 exposure, the immersion participants showed similarities and differences to monolinguals in plural–singular marking comprehension as measured by eye-tracking, and were less accurate in their interpretations on the picture decision task. This study shows that comprehension differences for a semantically transparent morphosyntactic construction can be apparent even after many years for learners who started immersion at an early age.
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) | 0,000 | 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) | 0,000 | 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 ».