The relationship between language experience variables and the time course of spoken word recognition.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
During spoken word recognition, words that are related phonologically (e.g., dog and dot) and words that are related semantically (e.g., dog and bear) are known to become active within the first second of word recognition. The time course of activation and resolution of these competing words changes as a function of linguistic knowledge. This preregistered study aimed to examine how a less commonly used linguistic predictor, percent lifetime language exposure, affects the time course of target and competitor activation in an eye-tracking visual world paradigm. Lifetime exposure was expected to capture variability in the representations and processes that contribute to individual differences in spoken word recognition. Results show that when putting lifetime exposure to French on a scale, more lifetime exposure was related to target fixations and slightly related to early phonological coactivation, but not related to semantic coactivation. These analyses demonstrate how generalized additive mixed models might help examine time course data with more continuous linguistic variables. Exploratory analyses looked at the amount of variance captured by three linguistic experience predictors (lifetime French exposure, recent French exposure, French vocabulary) on indices of target, phonological, and semantic fixations and identified vocabulary size as most frequently explaining significant variance, but the pattern of results did not differ from those of lifetime language exposure. These findings suggest that lifetime language exposure may not fully capture subtle differences in linguistic experience that affect lexical coactivation such as those brought upon by differences in exposure trajectories across the lifetime or differences in the setting of language exposure. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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.
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 | 0,002 | 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 | 0,001 | 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 découle