Notice bibliographique
Résumé

 It was previously assumed that a correct, or accurate, initial association between a word and its referent allows optimal language learning, since fewer cognitive resources are required. However, some studies have found that initially incorrect, or inaccurate, associations can cause adults to learn word-referent mappings significantly better, compared to initially accurate ones. The opposite effect was found in children, who typically learn better when a word-referent association is consistently accurate.Our research project further explores these findings. The study involves a cross-situational word-learning paradigm examining whether the correction of inaccurate initial word-referent associations benefits word learning. Eye fixation and pupil dilation data are used to determine initial mappings and cognitive load, respectively. In the familiarisation phase of the study, participants are presented with associations between made-up words and the images to which the words refer; initial accuracy is manipulated such that only half of the presented associations are correct. Then, in the learning phase, each word is presented with its correct referent. Finally, the accuracy of the learned word-referent mappings is tested.Our initial findings confirm that word learning benefits when adults are presented with initially inaccurate associations and subsequent corrections. We will discuss the theories behind these findings, as well as the implications for language learning. In the most recent phase of the project, we are determining whether pupil dilation is a good measure for increased cognitive load associated with word-referent inaccuracy.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».