MétaCan
Menu
Retour à la cohorte
Enregistrement W3161487645 · doi:10.31234/osf.io/5dvx8

Word learning in 14-month-old monolinguals and bilinguals: Challenges and methodological opportunities

2021· preprint· en· W3161487645 sur OpenAlexafffund
Ana Maria Gonzalez‐Barrero, Rodrigo Dal Ben, Hilary Killam, Krista Byers‐Heinlein

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensConcordia UniversityCentre for Research on Brain Language and Music
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSentenceWord (group theory)Word learningPsychologyArtificial intelligenceLinguisticsComputer scienceNatural language processingFrame (networking)Language acquisitionVocabularyMathematics education

Résumé

récupéré en direct d'OpenAlex

Infants can learn words in their daily interactions early in life, and many studies have demonstrated that they can also learn words from brief in-lab exposures. While most studies have included monolingual infants, less is known about bilingual infants’ word learning and the role that language familiarity plays in this ability. In this study we examined word learning in a large sample (up to N = 155) of bilingual and monolingual 14-month-olds using a preferential looking paradigm. To support word learning, novel words were presented within sentence frames in one language (single-language condition) or two languages (dual-language condition). We predicted that infants would exhibit greater word–object learning when they were more familiar with the language of the sentence frame. Using both traditional (t-tests) and updated (linear mixed-effects models) analyses, we found no evidence for successful word learning, nor an effect of familiarity. Our results suggest that word learning in experimental settings can be challenging for 14-month-olds, even when sentence frames are provided. We discuss these results in relation to prior work and suggest how open science practices can contribute to more reliable findings about early word learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,822
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,287
Tête enseignante GPT0,403
Écart entre enseignants0,116 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetLanguage Development and DisordersTravaux en français237 207