MétaCan
Menu
Retour à la cohorte
Enregistrement W3035939295 · doi:10.46538/hlj.15.3.1

Motion Lexicalization in Chinese among Heritage Language Children in Canada

2018· article· en· W3035939295 sur OpenAlexaffabout
Youran Lin, Elena Nicoladis

Notice bibliographique

RevueHeritage Language Journal · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHeritage languageMandarin ChineseAttritionPsychologyLexicalizationLinguisticsMotion (physics)First languageDevelopmental psychologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Heritage language speaking children often show signs of attrition, particularly as they get older and are educated in the majority language of the society where they live. In this study, we tested the hypothesis that simplification is one process of attrition for heritage language speakers. We tested this hypothesis on the expression of motion events among children who are first language speakers of Mandarin Chinese and early second language speakers of English, the majority language in this community. We compared their motion expressions to those of monolingual Mandarin-speaking children living in mainland China. Two age groups were included: younger children (4-6 years, not yet in school) and older children (8-10 years; in school for two to five years). The children watched a cartoon and recounted the story. We coded the motion expressions used in their retellings. The results showed that the older bilingual children showed clear signs of attrition, particularly simplification, but also some signs of cross-linguistic influence from English. These results suggest that attrition in a heritage language can quickly follow the onset of schooling in the majority language.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil0,396

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,262
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHeritage Language JournalMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207