MétaCan
Menu
Retour à la cohorte
Enregistrement W3165787492 · doi:10.1515/zfs-2021-2025

Diversity and divergence in bilingual acquisition

2021· article· en· W3165787492 sur OpenAlexaff
Jürgen M. Meisel

Notice bibliographique

RevueZeitschrift für Sprachwissenschaft · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNeuroscience of multilingualismLinguisticsDivergence (linguistics)PsychologyDevelopmental linguisticsSecond-language acquisitionRule-based machine translationAffect (linguistics)Theoretical linguisticsLanguage acquisitionLinguistic universalComprehension approachNatural languagePhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract Bilingual settings are perceived as exemplary cases of linguistic diversity, and they are assumed to trigger cross-linguistic interaction. The rationale underlying this assumption is the belief that when more than one language is processed in a brain, this will inevitably affect the way in which linguistic knowledge is acquired, stored and used. However, this idea stands in conflict with results obtained by research on children acquiring two (or more) languages simultaneously. They have been demonstrated to be able to differentiate languages from early on and to develop competences qualitatively identical to those of monolinguals. These studies thus provide little evidence supporting the idea that bilingualism must lead to divergent grammatical development. The question then is what triggers alterations of bilinguals’ grammars, especially of the syntactic core, possibly resulting in non-native competences. This has been claimed to occur in the acquisition of second languages, weaker languages of simultaneous bilinguals, or heritage languages. These acquisition types differ from first language development in that onset of acquisition of one language is delayed or that the amount of exposure to one language is reduced. I will argue that age at onset and severely reduced amount of exposure are potential causal factors triggering divergent developments, whereas bilingualism on its own is not a sufficient cause of divergence.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,038
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 GPT0,311
Écart entre enseignants0,292 · 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'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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZeitschrift für SprachwissenschaftMême sujetLanguage Development and DisordersTravaux en français237 207