MétaCan
Menu
Retour à la cohorte
Enregistrement W6946423915 · doi:10.3389/fpsyg.2018.01306.s003

Table_3_Predictors of Language Dominance: An Integrated Analysis of First Language Attrition and Second Language Acquisition in Late Bilinguals.pdf

2018· dataset· en· W6946423915 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2018
Typedataset
Langueen
DomaineComputer Science
ThématiqueData Management and Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSecond-language acquisitionFirst languageSecond-language attritionFocus (optics)Comprehension approachLanguage acquisitionDominance (genetics)Second languageProcess (computing)

Résumé

récupéré en direct d'OpenAlex

<p>Late bilinguals who spend (part of) their adult lives in an environment where a language other than the one they learned in childhood is spoken typically experience a range of language development phenomena. Most obviously, they will acquire some level of receptive and/or productive knowledge of the new, or second, language (L2). How basic or advanced that level will be is determined by a range of environmental, experiential, attitudinal and individual factors. Secondly, they will most likely find the knowledge of their native language (L1) beginning to diverge from that of monolingual speakers in their country of origin, a process known as language attrition. In the course of this developmental process, some L2 skills may eventually match or even overtake the corresponding skill in the L1. This shift in the balance between L1 and L2 is the focus of investigations of language dominance. The present study explores language dominance in four migrant populations (Germans in the Netherlands and Canada, Turks and Moroccans in the Netherlands). Investigating both the development of formal/controlled skills and more automatic aspects of lexical access and fluency, we aim to attain an understanding of how extralinguistic factors contribute to the development of both languages. We argue that an integrated perspective can contribute more profound insights into the predictors of this complex process of bilingual development. In particular, our findings show that statistical models based on linear relationships fall short of capturing the full picture. We propose an alternative method of analysing data, namely discriminant function analysis, based on a categorisation of the populations, and demonstrate how this can enhance our understanding. Our findings suggest that different aspects of the bilingual experience contribute differently to language development, regardless of language combination and type of skill measured. Contrary to what previous research suggests, measures relating to the intensity of informal use of both the L1 and the L2 in daily life are important in determining whether someone is a good or a poor L1 maintainer, while high vs. low success in acquisition appears to be predominantly associated with personal factors such as educational level.</p>

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0400,000

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 GPT0,266
Écart entre enseignants0,253 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetData Management and AlgorithmsTravaux en français237 207