Ortho-semantic learning of novel words: an event-related potential study of grade 3 children
Notice bibliographique
Résumé
Introduction As children become independent readers, they regularly encounter new words whose meanings they must infer from context, and whose spellings must be learned for future recognition. The self-teaching hypothesis proposes orthographic learning skills are critical in the transition to fluent reading, while the lexical quality hypothesis further emphasizes the importance of semantics. Event-related potential (ERP) studies of reading development have focused on effects related to the N170 component—print tuning (letters vs. symbols) and lexical tuning (real words vs. consonant strings)—as well as the N400 reflecting semantic processing, but have not investigated the relationship of these components to word learning during independent reading. Methods In this study, children in grade 3 independently read short stories that introduced novel words, then completed a lexical decision task from which ERPs were derived. Results Like real words, newly-learned novel words evoked a lexical tuning effect, indicating rapid establishment of orthographic representations. Both real and novel words elicited significantly smaller N400s than pseudowords, suggesting that semantic representations of the novel words were established. Further, N170 print tuning predicted accuracy on identifying the spellings of the novel words, while the N400 effect for novel words was associated with reading comprehension. Discussion Exposure to novel words during self-directed reading rapidly establishes neural markers of orthographic and semantic processing. Furthermore, the ability to rapidly filter letter strings from symbols is predictive of orthographic learning, while rapid establishment of semantic representations of novel words is associated with stronger reading comprehension.
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 | 0,000 |
| 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 ».