Statistical learning in children's emergent L2 literacy: Cross-cultural insights from rural Côte d'Ivoire
Notice bibliographique
Résumé
Studies of non-linguistic statistical learning (SL) have often linked performance in SL tasks with differences in language outcomes. Most of these studies have focused on Western and high-income educational contexts, but children worldwide learn in radically different educational systems and communities, and often in a second language. In the west African nation of Côte d’Ivoire, children enter fifth grade (CM-1) with widely varying ages and literacy skills. Across three iteratively-developed experiments, 157 children, age 8-15 years, in rural communities in the greater-Adzópe region of Côte d’Ivoire watched sequences of cartoon images with embedded triplet patterns on touchscreen tablets, while performing a target-detection task. We assessed these tablet-based adaptations of non-linguistic visual SL and asked whether the children’s individual differences in performance on the SL tasks were related to their first and second language and literacy skills. We found group-level evidence that children used the statistical regularities in the image sequence to gradually decrease their response times, but their responses on post-test discrimination did not reflect this learning. When evaluating the correlation between SL and language skills, individual differences related to other task demands predicted oral language skills shared by first and second languages, while SL better predicted second language print skills. These findings suggest that non-linguistic SL paradigms can measure similar skills in Ivorian children as previous samples, but they also echo recent calls for further cross-cultural validation, greater internal reliability, and tests for confounding variables (such as processing speed) in studies of individual differences in statistical 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».