MétaCan
Menu
Retour à la cohorte
Enregistrement W4405099136 · doi:10.22215/etd/2024-16229

Individual Variation in French-L2 Spelling Ability

2024· dissertation· en· W4405099136 sur OpenAlexaffabout
Kenda Bailey Parsons

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueSecond Language Acquisition and Learning
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSpellingVariation (astronomy)LinguisticsPsychologyNatural language processingComputer sciencePhilosophyPhysics

Résumé

récupéré en direct d'OpenAlex

Canadian French-as-a-Second-Language (FSL) programmes teach students how to read and write in French with the goal of bilingualism.However, students are not consistently attaining a level of French equivalent to native French speakers (Genesee, 1987) and many graduates do not retain their French knowledge (Turcotte, 2019).To explore this pattern in greater depth, 92 graduates of Canadian FSL programmes completed an online survey.Participants were assessed on receptive vocabulary, print exposure (PE), morphological awareness (MA), and general spelling ability, in both English and French.English vocabulary, PE, and MA accounted for 35% of the variance in overall English spelling.French vocabulary and MA accounted for 28% of the variance in overall French spelling, but French PE was not a significant predictor.Finally, print exposure in English was not correlated with French spelling outcomes.These results suggest that morphological awareness is a key metalinguistic skill to supporting French spelling beyond graduation.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,2750,004

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 Opus0,019
Tête enseignante GPT0,336
Écart entre enseignants0,317 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSecond Language Acquisition and LearningTravaux en français237 207