Language proficiency and metacognition as predictors of spontaneous rehearsal in children.
Notice bibliographique
Résumé
Despite decades of research on fundamental memory strategies such as verbal rehearsal, the potential underlying skills associated with the emergence of rehearsal are still not fully understood. Two studies examined the relative roles of language proficiency and metamemory in predicting rehearsal use, as well as the prediction of metamemory performance by language proficiency. In Study 1, 59 children, 5 to 8 years old, were administered a serial recall task, 2 language measures, a nonverbal cognitive measure, and a rapid automatized naming (RAN) task. Language proficiency, RAN, and age were significant individual predictors of rehearsal use. In hierarchical regression analyses, language proficiency mediated almost completely the age → rehearsal use relation. In addition, automatized naming was a strong but partial mediator of the contribution of language proficiency to rehearsal use. In Study 2, 54 children were administered a metamemory test, a language measure, and a serial recall task. Metamemory skills and, again, language proficiency significantly predicted rehearsal use in the task. The predictive strength of metamemory skills was mediated by the children's language proficiency. The mutually supportive roles of automatized naming, language, and metamemory in the emergence of spontaneous cumulative verbal rehearsal are discussed in the context of the resulting model, along with the minimal roles of age and aspects of intelligence.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».