MétaCan
Menu
Retour à la cohorte
Enregistrement W4387707604 · doi:10.1075/lab.22058.bus

Verb placement in L3 French and L3 German

2023· article· en· W4387707604 sur OpenAlexaff
Guro Busterud, Anne Dahl, Dave Kush, Kjersti Faldet Listhaug

Notice bibliographique

RevueLinguistic Approaches to Bilingualism · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésVerbLinguisticsGermanSubject (documents)Reflexive verbGenerative grammarComputer scienceModal verbPsychologyRepresentation (politics)Natural language processingArtificial intelligencePhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract This article explores cross-linguistic influence and the relationship between surface structure and underlying syntactic structure in L3 acquisition of verb placement in L1 Norwegian L2 English learners of L3 German or French, respectively. In these languages, verb placement varies systematically. Previous research has found transfer from both L1 and L2 in similar language combinations. Using an acceptability judgment task, we tested verb placement in non-subject-initial and subject-initial sentences. Findings indicate that L3 French learners performed better on non-subject-initial sentences compared to subject-initial sentences, whereas the opposite was the case in L3 German. We argue that our findings can be explained by a generative account of verb movement and are compatible with an analysis where verbs do not move, or do not move far enough, in the L3 learners’ underlying syntactic representation. Following the assumption that verb movement is a costly operation, we argue that the syntactic operation verb movement is constrained by principles of economy in L3 acquisition, and that economy plays a role in determining cross-linguistic influence in multilingual acquisition. Our account is compatible with a uniform analysis of the acquisition of verb movement in L1, L2 and L3, and underlines the qualitative similarities in different acquisition processes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,427
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,168
Tête enseignante GPT0,321
Écart entre enseignants0,153 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLinguistic Approaches to BilingualismMême sujetNeurobiology of Language and BilingualismTravaux en français237 207