Learning English as a second language during childhood: A \nlongitudinal case study
Notice bibliographique
Résumé
Since the 1950s, hypotheses have been put forth to explain developmental behaviours \nobserved during a learner’s second language (L2) acquisition. Many of these \nhypotheses build on language transfer, which provides a basis for the explanation of \nmany phenomena that learners exhibit during the acquisition of their L2. However, \naspects of transfer have yet to be fully understood; among others, how the critical period \nfor language acquisition affects the relationship between a learner’s first language (L1) \nand L2 has yet to be unfolded. \nTransfer effects and the critical period are indeed potentially confounded when the L2 \nlearner is a child. Furthermore, three questions surrounding transfer still remain. These \nquestions are as follows: What is transferred? What are the conditions for transfer? And \nwhen does transfer occur? Further, while it is commonly observed that children are more \nproficient than adults at language learning, debates still exist as to whether or not a \ncritical period for language acquisition exists at all. In relation to this, there is also the \ndebate concerning whether children introduced to an L2 early in life behave more like a \nfirst or second language learner for that L2. \nThis thesis describes a longitudinal corpus documenting a child named Nura, who is a \nL2 learner of English with Kazakh as her L1 (also with some passive knowledge of \nChinese). More specifically, we focus on Nura’s development of singleton onsets and \nonset clusters which do not occur in her native Kazakh language. The data provides \nevidence for relatively immediate transfer effects through her early acquisition of her \nsingleton onsets and onset clusters. However, the developmental patterns of a number \nof sounds and sound combinations also point to issues in child L2 development in \ncontexts where transfer is not possible, if only for certain phonological dimensions of the \nL2.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».