MétaCan
Menu
Retour à la cohorte
Enregistrement W3176252348 · doi:10.1111/psyp.13888

Switching between newly learned languages impacts executive control

2021· article· en· W3176252348 sur OpenAlexaff
Lu Jiao, Cong Liu, John W. Schwieter, Baoguo Chen

Notice bibliographique

RevuePsychophysiology · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPsychologyGermanNeuroscience of multilingualismControl (management)Task (project management)Cognitive psychologyExecutive functionsTask switchingMultilingualismLanguage acquisitionAttentional controlCognitionDevelopmental psychologyLinguisticsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Previous research has explored the relationship between language control and executive control based on performance in bilinguals' skilled languages. However, this relationship between bilingualism and executive control has not been examined at the very initial stage of language learning. In the present study, we trained Chinese speakers to learn words in German and Japanese, two languages with which they had no prior experience. In pre- and post-training, we measured participants' electrophysiological data to investigate how switching between these two newly learned languages affected executive control. We observed that, while lacking the language switching effect in the behavioral data, a flanker task elicited larger N2 and P3 amplitudes in the post-training session when participants were required to switch between German and Japanese compared to when they responded to only German or Japanese. These results provided evidence of language control of newly learned languages on domain-general executive control, specifically at the (very) initial period of language learning. Our findings support the adaptive nature of the relationship between bilingual language control and executive control.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,763

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,340
Écart entre enseignants0,307 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychophysiologyMême sujetNeurobiology of Language and BilingualismTravaux en français237 207