Learning Language in Autism: Maternal Linguistic Input Contributes to Later Vocabulary
Notice bibliographique
Résumé
It is well established that children with typical development (TYP) exposed to more maternal linguistic input develop larger vocabularies. We know relatively little about the linguistic environment available to children with autism spectrum disorders (ASD), and whether input contributes to their later vocabulary. Children with ASD or TYP and their mothers from English and French-speaking families engaged in a 10 min free-play interaction. To compare input, children were matched on language ability, sex, and maternal education (ASD n = 20, TYP n = 20). Input was transcribed, and the number of word tokens and types, lexical diversity (D), mean length of utterances (MLU), and number of utterances were calculated. We then examined the relationship between input and children's spoken vocabulary 6 months later in a larger sample (ASD: n = 19, 50-85 months; TYP: n = 44, 25-58 months). No significant group differences were found on the five input features. A hierarchical multiple regression model demonstrated input MLU significantly and positively contributed to spoken vocabulary 6 months later in both groups, over and above initial language levels. No significant difference was found between groups in the slope between input MLU and later vocabulary. Our findings reveal children with ASD and TYP of similar language levels are exposed to similar maternal linguistic environments regarding number of word tokens and types, D, MLU, and number of utterances. Importantly, linguistic input accounted for later vocabulary growth in children with ASD.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».