MétaCan
Menu
Retour à la cohorte
Enregistrement W3111077585 · doi:10.3389/fpsyg.2020.545360

Developing Abstract Representations of Passives: Evidence From Bilingual Children’s Interpretation of Passive Constructions

2020· article· en· W3111077585 sur OpenAlexafffund
Elena Nicoladis, Sera Sajeev

Notice bibliographique

RevueFrontiers in Psychology · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPsychologyArgument (complex analysis)ComprehensionLinguisticsInterpretation (philosophy)Contrast (vision)Typically developingNeuroscience of multilingualismSubject (documents)Developmental psychologyCognitive psychologyArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

According to usage-based theories, children initially acquire surface-level constructions and then abstract representations. If so, bilingual children might show lags relative to monolingual children early in acquisition, but not later on, once they rely on abstract representations. We tested this prediction with comprehension of passives in 3- to 6-year-old children: French-English bilinguals and English monolinguals. As predicted, younger bilingual children tended to be less accurate than monolingual children. In contrast, the older bilingual children scored equivalently to monolinguals, despite less exposure to English. When the children made errors, the bilingual children were more likely to interpret the subject as the agent of the action than the monolingual children. These results are consistent with the argument that children develop increasingly abstract representations of linguistic constructions with usage. They further suggest that bilingual children might catch up with monolingual through use of selective attention and/or a semantic bias.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,353
Écart entre enseignants0,323 · 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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetLanguage Development and DisordersTravaux en français237 207