MétaCan
Menu
Retour à la cohorte
Enregistrement W3198192097 · doi:10.1080/09669760.2021.1971949

Language expansion in Chinese parent–child mealtime conversations: across different conversational types and initiators

2021· article· en· W3198192097 sur OpenAlexaboutno aff
Ling Sheng, Wenming Dong, Feifei Han, Shiming Tong, Jiangbo Hu

Notice bibliographique

RevueInternational Journal of Early Years Education · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesZhejiang Normal University
Mots-clésPsychologyQuarter (Canadian coin)Developmental psychologyConversationVariation (astronomy)Language acquisitionLinguisticsCommunicationHistoryMathematics education

Résumé

récupéré en direct d'OpenAlex

This study examined the distribution of language expansion in parent–child (preschool aged) mealtime conversations in 30 Chinese middle-class families. The conversations were categorised into four types: contextualised & conflicted, contextualised & non-conflicted, decontextualised & conflicted, and decontextualised & non-conflicted. The language expansions were analysed using the systemic functional linguistic theory related to cohesive patterns in language expansion: elaborations, extensions, and enhancements. While the parents dominated the conversations generally, the children were active contributors, initiating over one-quarter of the conversations. Initiation had an impact on the distribution of the conversational types: the proportions of contextualised & non-conflicted conversations was significantly higher in child-initiated conversations. The contextualised & conflicted conversations accounted for a higher proportion in parent-initiated conversations. It was the conversational type rather than initiation, which had an effect on the distribution of language expansion patterns. The least occurring decontextualised & conflicted conversations generated the most extensions. The frequently appeared contextualised & non-conflicted conversations, however, produced the fewest expanded messages. The implications from the findings for promoting high-quality mealtime conversations conducive to children’s language learning are discussed.

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 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 enseignants0,108
Score d'incertitude au seuil0,928

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,343
Écart entre enseignants0,332 · 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'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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Early Years EducationMême sujetLanguage Development and DisordersTravaux en français237 207