MétaCan
Menu
Retour à la cohorte
Enregistrement W3041963811 · doi:10.1075/jslp.20003.tro

Second language comprehensibility as a dynamic construct

2020· article· en· W3041963811 sur OpenAlexaff
Pavel Trofimovich, Charlie Nagle, Mary Grantham O’Brien, Sara Kennedy, Kym Taylor Reid, Lauren Strachan

Notice bibliographique

RevueJournal of Second Language Pronunciation · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensUniversity of CalgaryConcordia University
Organismes subventionnairesnon disponible
Mots-clésConstruct (python library)PsychologyTask (project management)Cognitive psychologyConstruct validityLinguisticsComputer scienceDevelopmental psychologyPsychometrics

Résumé

récupéré en direct d'OpenAlex

Abstract This study examined longitudinal changes in second language (L2) interlocutors’ mutual comprehensibility ratings (perceived ease of understanding speech), targeting comprehensibility as a dynamic, time-varying, interaction-centered construct. In a repeated-measures, within-participants design, 20 pairs of L2 English university students from different language backgrounds engaged in three collaborative and interactive tasks over 17 minutes, rating their partner’s comprehensibility at 2–3 minute intervals using 100-millimeter scales (seven ratings per interlocutor). Mutual comprehensibility ratings followed a U-shaped function over time, with comprehensibility (initially perceived to be high) being affected by task complexity but then reaching high levels by the end of the interaction. The interlocutors’ ratings also became more similar to each other early on and remained aligned throughout the interaction. These findings demonstrate the dynamic nature of comprehensibility between L2 interlocutors and suggest the need for L2 comprehensibility research to account for the effects of interaction, task, and time on comprehensibility measurements.

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)0,003
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,284
Écart entre enseignants0,265 · 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'étudeThéorique ou conceptuel
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

Citations25
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Second Language PronunciationMême sujetNeurobiology of Language and BilingualismTravaux en français237 207