Phonological and morphological literacy skills in English and Chinese: A cross‐linguistic neuroimaging comparison of Chinese–English bilingual and monolingual English children
Notice bibliographique
Résumé
Over the course of literacy development, children learn to recognize word sounds and meanings in print. Yet, they do so differently across alphabetic and character-based orthographies such as English and Chinese. To uncover cross-linguistic influences on children's literacy, we asked young Chinese-English simultaneous bilinguals and English monolinguals (N = 119, ages 5-10) to complete phonological and morphological awareness (MA) literacy tasks. Children completed the tasks in the auditory modality in each of their languages during functional near-infrared spectroscopy neuroimaging. Cross-linguistically, comparisons between bilinguals' two languages revealed that the task that was more central to reading in a given orthography, such as phonological awareness (PA) in English and MA in Chinese, elicited less activation in the left inferior frontal and parietal regions. Group comparisons between bilinguals and monolinguals in English, their shared language of academic instruction, revealed that the left inferior frontal was less active during phonology but more active during morphology in bilinguals relative to monolinguals. MA skills are generally considered to have greater language specificity than PA skills. Bilingual literacy training in a skill that is maximally similar across languages, such as PA, may therefore yield greater automaticity for this skill, as reflected in the lower activation in bilinguals relative to monolinguals. This interpretation is supported by negative correlations between proficiency and brain activation. Together, these findings suggest that both the structural characteristics and literacy experiences with a given language can exert specific influences on bilingual and monolingual children's emerging brain networks for learning to read.
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 | 0,006 |
| 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 | 0,000 | 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 ».