Multifactorial approaches to study bilingualism in the aging population: Past, present, future
Notice bibliographique
Résumé
A better understanding and more reliable classification of bilinguals has been progressively achieved through the fine-tuning methodology and simultaneously optimizing the measurement tools. However, the current understanding is far from generalization to a larger population varying in different measures of bilingualism-L2 Age of acquisition (L2 AOA), L2 usage and exposure, and L2 proficiency. More recent studies have highlighted the importance of modeling bilingualism as a continuous variable. An in-depth look at the role of bilingualism, comparing groups, may be considered a reductionist approach, i.e., grouping based on one measure of bilingualism (e.g., L2 AOA) may not account for variability in other measures of bilingualism (L2 exposure, L2 use or L2 proficiency, amongst others) within and between groups. Similarly, a multifactorial dimension is associated with cognitive performance, where not all domains of cognition and subcomponents are equally influenced by bilingualism. In addition, socio-cultural and demographical factors may add another dimension to the impact of bilingualism on cognitive performance, especially in older adults. Nevertheless, not many studies have controlled or used the multiple socio-cultural and demographical factors as a covariate to understand the role of different aspects of bilingualism that may influence cognitive performance differently. Such an approach would fail to generalize the research findings to a larger group of bilinguals. In the present review paper, we illustrate that considering a multifactorial approach to different dimensions of bilingual study may lead to a better understanding of the role of bilingualism on cognitive performance. With the evolution of various fine-tuned methodological approaches, there is a greater need to study variability in bilingual profiles that can help generalize the result universally.
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 | 0,022 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».