MétaCan
Menu
Retour à la cohorte
Enregistrement W4410831671 · doi:10.9734/cjast/2025/v44i54551

Executive Function and Language Input: Neurological Insights from French Immersion Learners

2025· article· en· W4410831671 sur OpenAlexaffabout
Laurent Poliquin, Naziha Abakar Moussa

Notice bibliographique

RevueCurrent Journal of Applied Science and Technology · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurobiology of Language and Bilingualism
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésFrench immersionImmersion (mathematics)PsychologyLinguisticsPedagogyMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

This study examines how the consistency of French language input by teachers in immersion classrooms impacts both language acquisition and executive function in elementary students, including those with neurodivergent profiles. A cross-sectional observational study was conducted with 128 students aged 7–9 across five immersion schools in Winnipeg. Participants were grouped based on observed teacher language input consistency. Data included standardized cognitive and language assessments, parent surveys, and teacher evaluations using the BRIEF-2. Students receiving ≥90% French input outperformed peers in vocabulary, working memory, and inhibitory control. Neurodivergent students also demonstrated gains in high-consistency environments, though with greater variance. Findings support the cognitive benefits of immersion fidelity. However, rigid language policies may risk excluding vulnerable learners. The results call for adaptive strategies that combine linguistic consistency with inclusive pedagogy. Consistent French instruction enhances language and cognitive outcomes for diverse learners. Immersion policies must balance fidelity with flexibility to remain equitable and neurologically supportive.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,273
Écart entre enseignants0,259 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Journal of Applied Science and TechnologyMême sujetNeurobiology of Language and BilingualismTravaux en français237 207