Early Bilingual Vocabulary Development Among Low-SES Ethnic Minority Learners in China: The Case of Uyghur and Kazak Children
Notice bibliographique
Résumé
Abstract Vocabulary knowledge is one of the most important aspects of language development. For bilingual students, early vocabulary development often predicts their future bilingual success. This paper examines early bilingual receptive vocabulary knowledge of ethnic minority children (N=135) from two large ethnic language communities (Uyghur and Kazak) in three national-level poverty-stricken counties in Xinjiang, China. The children’s bilingual vocabulary knowledge was assessed using translated versions of the Peabody Picture Vocabulary Test-IV (PPTV-IV) in Putonghua (PTH) and their mother tongue (MT) Uyghur or Kazak. Data were analyzed through four General Linear Models (GLM). The analyses showed that both groups scored higher in MT vocabulary knowledge than that in their PTH, although the Kazak students’ MT vocabulary scores were lower than those of the Uyghurs. While gender, age, L1, or residence location were not significant factors in differences across the two groups in PTH, among the Kazak children, the main effect of age was significant in MT; and among Uyghur children, residence location had a significant effect. The two groups also differed in patterns of acquisition in different parts of speech (nouns, verbs, and attributes) with Uyghur children performing strongest in MT and PTH verbs. The findings have important implications for ensuring the quality of early bilingual education among impoverished Chinese minority communities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».