Working Memory Models and Measures in Language and Bilingualism Research: Integrating Cognitive and Affective Perspectives
Notice bibliographique
Résumé
Although emotional or affective working memory (WM) is quite well established in general psychology, not much research has looked into its potential implications for the language sciences and bilingualism and second language acquisition (SLA) research until recently. To fill this gap, this paper aims to propose that WM has not just cognitive implications, but its affective dimension may also make complementary and unique contributions to language and bilingualism/SLA research. Towards this end, we first briefly synthesize the cognitive views of WM conceptions and assessment procedures in the current language sciences and bilingualism/SLA research. Next, we turn to discuss the theoretical models and assumptions of affective WM and explore their theoretical implications for bilingualism/SLA research based on emerging empirical evidence. Then, we propose a conceptual framework integrating cognitive and affective WM perspectives and further provide guidelines for designing affective WM span tasks that can be used in future affective WM-language research, focusing on the construction procedures of several emotion-based affective WM span tasks (e.g., the emotional reading span task, the emotional operation span task, and the emotional symmetry span task) as examples. Overall, we argue that affective feelings are also an integral part of the mental representations held in WM and future research in the language sciences and bilingualism/SLA should incorporate both cognitive and affective WM dimensions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».