MétaCan
Menu
Retour à la cohorte
Enregistrement W4244501852 · doi:10.31234/osf.io/ex76a

Bilingualism affects infant cognition: Insights from new and open data

2020· preprint· en· W4244501852 sur OpenAlexaff
Rodrigo Dal Ben, Hilary Killam, Sadaf Pour Iliaei, Krista Byers‐Heinlein

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensConcordia UniversityAmbrose UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNeuroscience of multilingualismPsychologyCognitionTest (biology)Cognitive psychologyDevelopmental psychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Bilingualism has been hypothesized to shape cognitive abilities across the lifespan. Here, we examined the replicability of a seminal study that showed monolingual–bilingual differences in infancy (Kovács & Mehler, 2009a) by collecting new data from 7-month-olds and 20-month-olds and reanalyzing three open datasets from 7–9 month-olds (D’Souza et al., 2020; Kalashikova et al., 2020; 2021). Infants from all studies (N = 222) were tested in an anticipatory eye-tracking paradigm, where they learned to use a cue to anticipate a reward presented on one side of a screen during Training, and the opposite side at Test. To correctly anticipate the reward at Test, infants had to update their previously learned behavior. Across 4 out of 5 studies, a fine-grained analysis of infants’ anticipations showed that bilinguals were better able to update the previously-learned response at Test, which could be related to bilinguals’ weaker initial learning during Training. However, in one study of 7-month-olds, we observed the opposite pattern: bilinguals performed better during Training, and monolinguals performed better at Test. These results show that bilingualism affects how infants process information during learning. We also highlight the potential of open science to advance our understanding of language development.

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 candidatesMéta-épidémiologie (sens strict), Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil1,000

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 ouverte0,0020,009
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,125
Tête enseignante GPT0,382
Écart entre enseignants0,256 · 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'étudeSans objet
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLanguage Development and DisordersTravaux en français237 207