MétaCan
Menu
Retour à la cohorte
Enregistrement W4412583802 · doi:10.1017/s1366728925100333

Bilinguals process incoming words using distributions across both languages

2025· article· en· W4412583802 sur OpenAlexfundno aff
Sarah F. Phillips, Ailís Cournane

Notice bibliographique

RevueBilingualism Language and Cognition · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Deafness and Other Communication DisordersNational Institutes of HealthYork University
Mots-clésPsychologyLinguisticsProcess (computing)Neuroscience of multilingualismCognitive psychologyComputer scienceProgramming language

Résumé

récupéré en direct d'OpenAlex

How does the bilingual experience affect online processing? The distribution of lexical items shared between monolinguals and bilinguals can differ greatly. One critical difference is how code-switching allows more variability in the relative co-occurrence of words. The current study uses a visual world paradigm to test whether the relative distribution between Spanish gender-marked determiners ("el," "la") and the non-marked English determiner ("the") predict the Spanish-English bilingual's ability to predict and/or integrate an incoming noun. While we replicate a previously observed asymmetry among Spanish-English bilinguals between the masculine "el" and feminine "la," our cluster permutation test results reveal differences in how bilinguals predict and integrate nouns when preceded by "el" versus "la" or "the." Comparing our results to existing corpus data, we argue that bilinguals rely on the distributional norms they experience across both single-language and code-switched contexts to facilitate online processing.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

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

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 GPT0,360
Écart entre enseignants0,346 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBilingualism Language and CognitionMême sujetNatural Language Processing TechniquesTravaux en français237 207