Fast Mapping of Words and Story Recall by Individuals With Down Syndrome
Notice bibliographique
Résumé
This study compared adolescents with Down syndrome to nonverbal mental-age matched controls in their ability to fast map new noun vocabulary in spoken story contexts. Context for novel words varied within subjects in the distance between mentions (close-distant) and the ease of inferring a real word for the referent (specificity). The 23 participants with Down syndrome (DS) were aged 12.8-20.3 years. The 24 typically developing (TD) children, matched on visual nonverbal mental age (MA), were 4.1 to 6.1 years old. Participants listened to 4 tape-recorded stories, each containing 3 mentions of 2 novel words in close or distant proximity and with clear or uncertain reference, and recalled each story after presentation. Fast-mapping production was measured by the occurrence of the novel word in story recall. Fast-mapping comprehension was measured by asking children to define the novel words. The DS group did not differ from the TD group in novel word production but seemed to have more difficulty with novel word definition. For both groups, novel word production was higher in the nonspecific than the specific referent condition, suggesting that availability of a real word label interfered with fast mapping. Recall of story propositions was poorer for the DS group. For both groups, story recall was better for text units not directly associated with novel words than for text units containing novel words, suggesting a trade-off effect in processing. Regression analyses indicated that syntax comprehension, rather than mean length of utterance, predicted novel word production in both groups; MA additionally contributed to predict DS story recall.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».