MétaCan
Menu
Retour à la cohorte
Enregistrement W4229445721 · doi:10.1080/13670050.2022.2062217

The role of exposure on school-aged bilingual language abilities – it depends on what you measure

2022· article· en· W4229445721 sur OpenAlexafffund
Myriam L. H. Beauchamp, Andrea A. N. MacLeod

Notice bibliographique

RevueInternational Journal of Bilingual Education and Bilingualism · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversity of AlbertaMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésNeuroscience of multilingualismPsychologyDevelopmental psychologyLanguage developmentLanguage proficiencyMathematics education

Résumé

récupéré en direct d'OpenAlex

Few studies have focused on bilingual language development in school-aged simultaneous bilingual children. The current study tackles this gap in the literature by examining the influence of language exposure on the development of both languages in school-aged simultaneous bilingual living in additive bilingual contexts. The language abilities of 19 school-aged simultaneous bilingual children were assessed using standardised language measures in French. Their amount of language exposure was also measured using a parent questionnaire. No correlation was found between language abilities in French and exposure to French. Results did, however, show that most of the children who received as little as 20% of their lifetime exposure to French, obtained scores within the average range on all of the measures. Additionally, children who were exposed to both of their languages on a daily basis were more likely to have better performances than their peers who used one of their languages less frequently. This effect was observed even though children in the former group received less exposure to their strongest language than children who were not exposed to both of their languages daily. Therefore, while exposure is important, other factors may have a positive influence on simultaneous bilinguals’ language proficiency levels.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,326
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Bilingual Education and BilingualismMême sujetLanguage Development and DisordersTravaux en français237 207