MétaCan
Menu
Retour à la cohorte
Enregistrement W4284883772 · doi:10.1017/9781108955638.036

Working Memory in Second Language Interaction

2022· book-chapter· en· W4284883772 sur OpenAlexaff
Hyejin An, Shaofeng Li

Notice bibliographique

RevueCambridge University Press eBooks · 2022
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésFluencyCognitive psychologyWorking memoryInformation processing theoryTask (project management)PsychologyCognitionInteraction theorySecond-language acquisitionRelevance (law)Computer scienceProcess (computing)Mechanism (biology)Cognitive scienceInformation processingLinguistics

Résumé

récupéré en direct d'OpenAlex

Working memory is a cognitive device for simultaneous information storage and processing in ongoing learning tasks or events. Current theories of second language acquisition (SLA) posit a central role of interactive tasks in facilitating the process and outcome of second language development. The mechanism of working memory is a perfect match for the mechanism of learning that occurs in second language (L2) interaction. This chapter seeks to synthesize the literature on the relationship between working memory and L2 interaction including theoretical models and findings of empirical research. To achieve these objectives, the chapter starts with a discussion of major SLA theories that elaborate the relevance of working memory to L2 interaction including the Interaction Hypothesis (Long, 1996), the Cognition Hypothesis (Robinson, 2011), and the Limited Attentional Capacity Theory (Skehan, 1998). The chapter proceeds to review the various streams of research investigating the associations between working memory and (1) interactional behaviors, (2) task performance represented by the complexity, accuracy, and fluency of L2 speech, and (3) interaction-driven L2 gains. The chapter then concludes by identifying the strengths and limitations of existing research and recommending ways to address issues and advance the field.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,037
Tête enseignante GPT0,208
Écart entre enseignants0,171 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetEFL/ESL Teaching and LearningTravaux en français237 207