A Review of 30 Speech Assessments in 19 Languages Other Than English
Notice bibliographique
Résumé
PURPOSE: In this study, the authors aimed to evaluate instruments designed to assess children's speech production in languages other than English. METHOD: Ninety-eight speech assessments in languages other than English were identified: 62 were commercially published, 17 published within journal articles, and 19 informal assessments. A review was undertaken of 30 commercially published assessments that could be obtained. RESULTS: The 30 instruments assessed 19 languages: Cantonese, Danish, Finnish, German, Greek, Japanese, Korean, Maltese-English, Norwegian, Pakistani-heritage languages (Mirpuri, Punjabi, Urdu), Portuguese, Putonghua (Mandarin), Romanian, Slovenian, Spanish, Swedish, and Turkish. The majority (70.0%) assessed speech sound production in monolingual speakers, 20.0% assessed one language of bilingual speakers, and 10.0% assessed both languages of bilingual speakers. All used single-word picture elicitation. Approximately half (53.3%) were norm-referenced, and the number of children in the normative samples ranged between 145 and 2,568. The remaining assessments were criterion-referenced (50.0%) (one fitted both categories). The assessments with English manuals met many of the psychometric criteria for operationalization; however, only 2 provided sensitivity and specificity data. CONCLUSIONS: Despite the varying countries of origin, there were many similarities between speech assessments in languages other than English. Few were designed for use with multilingual children, so validation is required for use in English-speaking contexts.
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 | 0,014 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,023 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».