Gender agreement among Russian learners of Spanish in an instructed versus naturalistic learning environment
Notice bibliographique
Résumé
Abstract The present study examines Spanish gender agreement among beginner and non-beginner naturalistic and instructed native Russian learners of L3 Spanish. The project has two goals: first, to investigate whether the above groups differed in their target production and comprehension of gender agreement according to a series of morphological variables (gender class, type, and congruency) and secondly, to determine whether there was a relationship between accuracy and task completion times. A total of 49 native speakers of Russian learning Spanish as an L3, divided across two learner groups (24 instructed in Canada and 25 naturalistic in Mexico) and two proficiency levels (28 beginners and 21 non-beginners), along with a control group of 15 native Spanish speakers, completed several tasks. Results demonstrate that regardless of learning environment, native-like proficiency for gender agreement can be achieved at advanced levels. Differences were observed at the beginner level with the naturalistic group performing better with more difficult forms (e.g., feminine, non-canonical, and incongruent), indicating that at initial stages there is an advantage of naturalistic acquisition. Naturalistic learners had faster task completion times, though this did not correspond to higher accuracy levels. This study has important implications for the field of applied linguistics as it places importance on assessing gender acquisition across distinct learning environments.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».