L1 grammatical attrition through the acquisition of competing L2 discourse features
Notice bibliographique
Résumé
A question in language acquisition research is whether attrition can affect L1 grammatical representation, and if so, under what conditions. This paper tests the Attrition via Acquisition (AvA) model, which takes a Feature Reassembly approach to predict how, in case on high degrees of similarity between the L1 and L2, the acquisition of L2 discourse-driven morpho-syntactic properties may affect L1 feature representations after a prolonged change in the speaker’s primary linguistic input during adulthood. As a test case, we use the different features ( specificity versus discourse anaphoricity ) associated with Clitic Left Dislocation (CLLD) in Romanian and Italian, examining the grammars of Romanian first-generation immigrants with either L2 Italian or L2 English (a language without CLLD). Using a context-dependent Acceptability Judgment task and a Written Elicitation task we found evidence for L2-induced grammatical attrition, resulting in the addition of an L2 option without the loss of an L1 option, as predicted by the AvA. Attrition was found for participants who immigrated during adolescence or early adulthood and who are more likely to consider Italian their most proficient and most used language. We compare our findings on attrited L1 grammars to the results of a recent study reporting on near-native L2 Italian and L2 Romanian grammars by Romanian and Italian native speakers. Our findings contribute to an increasing body of literature showing that L1 attriters and L2 learners can end up with very similar grammars and confirm the importance of studying second language acquisition and L1 loss within a broader picture of bilingual development.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».