Language assessment tools for Arabic-speaking heritage and refugee children in Germany
Notice bibliographique
Résumé
Abstract Though Germany has long provided education for children speaking a heritage language and received two recent waves of refugees, reliable assessment tools for diagnosis of language impairment or the progress in the acquisition of German as a second language (L2) by refugee children are still lacking. The few tools expressly targeting bilingual populations are normed for younger, early successive bilingual children. This study investigates 27 typically developing children with Arabic as first language (L1), comparing 15 school-age Syrian refugees (6;6–12;8), with 12 heritage speakers (6;0–12;9). We assess the L1 and L2 skills of these two groups with standardized tests, but crucially with an Arabic and a German sentence repetition (SRT) as well as a nonword (NWRT) repetition task (Grimm & Hübner, in press; Marinis & Armon-Lotem, 2015). Comparable scores emerged only for German LITMUS-NWRT and Arabic LITMUS-SRT. Refugee children had an advantage in L1 measures, for example, vocabulary and morphosyntactic production, whereas they performed poorly in the German LITMUS-SRT and other L2 tests involving morphosyntax and vocabulary even with 24 months of systematic exposure. This indicates that the acquisition of adequate vocabulary and complex syntax takes time. The paper explores factors influencing performance on the repetition tasks and relates the results to established diagnostic procedures and educational policies.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 | 0,001 |
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 ».