Comparing Different Measures of Bilingual Input Derived From Naturalistic Daylong Recordings
Notice bibliographique
Résumé
PURPOSE: Measuring language input, especially for infants growing up in bilingual environments, is challenging. Although the ways to measure input have expanded rapidly in recent years, there are many unresolved issues. In this study, we compared different measurement units and sampling methods used to estimate bilingual input in naturalistic daylong recordings. METHOD: We used the Language Environment Analysis system to obtain and process naturalistic daylong recordings from 21 French-English bilingual families with an infant at 10 and 18 months of age. We examined global and context-specific input estimates and their relation with infant vocal activeness (i.e., volubility) when input was indexed by different units (adult word counts, speech duration, 30-s segment counts) and using different sampling methods (every-other-segment, top-segment). RESULTS: Input measures indexed by different units were strongly and positively correlated with each other and yielded similar results regarding their relation with infant volubility. As for sampling methods, sampling every other 30-s segment was representative of the entire corpus. However, sampling the top segments with the densest input was less representative and yielded different results regarding their relation with infant volubility. CONCLUSIONS: How well the input that a child receives throughout a day is portrayed by a selected sample and correlates with the child's vocal activeness depends on the choice of input units and sampling methods. Different input units appear to generate consistent results, while caution should be taken when choosing sampling methods. SUPPLEMENTAL MATERIAL: https://doi.org/10.23641/asha.22335688.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».