Following the trends established in psychology and emerging in L2 research, we explain our support for an Open Science approach in this paper (i.e., developing, analyzing and sharing datasets) as a way to answer controversial and complex questions in applied linguistics. We illustrate this with a focus on a frequently debated question, what underlies individual differences in the dynamic system of post-pubertal L2 speech learning? We provide a detailed description of our dataset which consists of spontaneous speech samples, elicited from 110 late L2 speakers in the UK with diverse linguistic, experiential and sociopsychological backgrounds, rated by ten L1 English listeners for comprehensibility and nativelikeness. We explain how we examined the source of individual differences by linking different levels of L2 speech performance to a range of learner-extrinsic and intrinsic variables related to first language backgrounds, age, experience, motivation, awareness, and attitudes using a series of factor and Bayesian mixed-effects ordinal regression analyses. We conclude with a range of suggestions for the fields of applied linguistics and SLA, including the use of Bayesian methods in analyzing multivariate, multifactorial data of this kind, and advocating for publicly available datasets. In keeping with recommendations for increasing openness of the field, we invite readers to rethink and redo our analyses and interpretations from multiple angles by making our dataset and coding publicly available as part of our 40th anniversary ARAL article.

中文翻译：

---

开发、分析和共享多元数据集：重新审视二语学习中的个体差异

遵循心理学中确立的趋势和 L2 研究中出现的趋势，我们在本文中解释了我们对开放科学方法（即开发、分析和共享数据集）的支持，以作为回答应用语言学中有争议和复杂问题的一种方式。我们将重点放在一个经常争论的问题上来说明这一点，即青春期后 L2 语音学习动态系统中个体差异的基础是什么？我们提供了对我们的数据集的详细描述，该数据集由自发的语音样本组成，这些样本来自英国 110 位具有不同语言、经验和社会心理学背景的 L2 后期演讲者，并由 10 位 L1 英语听众对可理解性和母语性进行评分。我们解释了我们如何通过使用一系列因素将 L2 语言表现的不同水平与一系列与第一语言背景、年龄、经验、动机、意识和态度相关的学习者外在和内在变量联系起来来检查个体差异的来源。贝叶斯混合效应序数回归分析。最后，我们对应用语言学和 SLA 领域提出了一系列建议，包括使用贝叶斯方法分析此类多变量、多因素数据，以及提倡公开可用的数据集。为了与提高该领域开放性的建议保持一致，我们邀请读者通过将我们的数据集和编码作为 40 和态度使用一系列因素和贝叶斯混合效应序数回归分析。最后，我们对应用语言学和 SLA 领域提出了一系列建议，包括使用贝叶斯方法分析此类多变量、多因素数据，以及提倡公开可用的数据集。为了与提高该领域开放性的建议保持一致，我们邀请读者通过将我们的数据集和编码作为 40 和态度使用一系列因素和贝叶斯混合效应序数回归分析。最后，我们对应用语言学和 SLA 领域提出了一系列建议，包括使用贝叶斯方法分析此类多变量、多因素数据，以及提倡公开可用的数据集。为了与提高该领域开放性的建议保持一致，我们邀请读者通过将我们的数据集和编码作为 40 并提倡公开可用的数据集。为了与提高该领域开放性的建议保持一致，我们邀请读者通过将我们的数据集和编码作为 40 并提倡公开可用的数据集。为了与提高该领域开放性的建议保持一致，我们邀请读者通过将我们的数据集和编码作为 40th周年纪念日阿拉尔文章。