MétaCan
Menu
Retour à la cohorte
Enregistrement W4244200399 · doi:10.31234/osf.io/hf368

The impact of a momentary language switch on bilingual reading: Intense at the switch but merciful downstream for L2 but not L1 readers

2019· preprint· en· W4244200399 sur OpenAlexaff
Jason W. Gullifer, Debra Titone

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensMcGill UniversityCentre for Research on Brain Language and Music
Organismes subventionnairesnon disponible
Mots-clésReading (process)Downstream (manufacturing)LinguisticsControl (management)Language transferNeuroscience of multilingualismComputer sciencePsychologyFirst languageComprehension approachNatural language processingNatural languageArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We investigated whether cross-language activation is sensitive to shifting language demands and language experience during first and second language (i.e., L1, L2) reading. Experiment 1 consisted of L1 French – L2 English bilinguals reading in the L2, and Experiment 2 consisted of L1 English - L2 French bilinguals reading in the L1. Both groups read English sentences with target words serving as indices of cross-language activation: cross-language homographs, cognates, and matched language-unique control words. Critically, we manipulated whether English sentences contained a momentary language switch into French before downstream target words. This allowed us to assess the consequences of shifting language demands, both in the moment, and residually following a switch as a function of language experience. Switches into French were associated with a reading cost at the switch site for both L2 and L1 readers. However, downstream cross-language activation was larger following a switch only for L1 readers. These results suggest that cross-language activation is jointly sensitive to momentary shifts in language demands and language experience, likely reflecting different control demands faced by L2 vs. L1 readers, consistent with models of bilingual processing that ascribe a primary role for language 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,444
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,001

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 GPT0,365
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.

Devis d'étudeQualitatif
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSecond Language Acquisition and LearningTravaux en français237 207