Implicit and Explicit Processes in Language Acquisition and Learning: A Systematic Review of Neuroimaging Studies
Notice bibliographique
Résumé
The acquisition of English as a non-native language can occur in either second language (L2) or foreign language (FL) contexts, which differ significantly in the cognitive and neural processes involved. While L2 acquisition tends to rely on implicit and procedural mechanisms, FL learning is based on explicit and declarative processes. From a cognitive neuroscience perspective, several studies have explored whether these contextual differences lead to distinct patterns of brain activation specific to English learning. A systematic review was conducted of studies published between 2015 and 2024 in the Scopus, PubMed, and ScienceDirect databases. Empirical investigations employing neuroimaging techniques (DTI, EEG, ERP, fMRI, fNIRS) to analyze linguistic processing in English L2 or FL contexts were included. After applying inclusion and exclusion criteria, and refining the selection to focus exclusively on English, 18 primary studies were selected following the PRISMA 2020 guidelines. The reviewed studies indicate that English L2 acquisition in natural contexts predominantly activates multimodal networks associated with procedural memory, whereas English FL learning in formal educational settings involves greater activation of executive networks and declarative memory. Furthermore, differences in functional connectivity patterns were observed depending on the type of learning context. The evidence suggests that immersion contexts favor more automatic, holistic, and socially integrated linguistic processing, whereas classroom contexts promote more controlled and analytical processing. These findings underscore the need to adapt pedagogical strategies to the neurocognitive dynamics specific to each English learning context and highlight the importance of clearly distinguishing between L2 and FL in future research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».