Individual differences in word skipping during reading in English as L2
Notice bibliographique
Résumé
The Multilingual Eye-movement Corpus (MECO; Siegelman et al., 2022) contains data from unbalanced bilinguals reading in their first language (L1) for a variety of languages and in English as their second language (L2). We analyzed word skipping in L2 on the basis of five predictors consisting of the frequency and length of the word in L2 and three measures of individual differences. Besides the L2 proficiency of the participant, two novel measures were also constructed: the average amount of skipping in L1 across participants per language and whether an individual reader skips words often in their L1 compared with other L1 readers in the same language. Word skipping in L2 increased for short and high-frequency words, for participants with higher L2 proficiency, for readers whose L1 featured relatively high average skipping rates compared with the other languages, and especially for participants who skip more often in L1 than their peers. All three individual differences interacted with word length such that their influence was more pronounced for longer words. Our results show that readers prefer to maintain a certain level of word skipping resembling how they read in L1. Due to lower L2 than L1 proficiency in unbalanced bilinguals, word skipping in L2 would often be based on a comparatively less advanced stage in parafoveal word recognition.
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 | 0,000 | 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) | 0,006 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».