Behavioural and eye-movement outcomes in response to text-based reading treatment for acquired alexia
Notice bibliographique
Résumé
Text-based reading treatments, such as Multiple Oral Rereading (MOR) and Oral Reading for Language in Aphasia (ORLA) have been used successfully to remediate reading impairments in individuals with acquired alexia, but the mechanisms underlying such improvements are not well understood. In this study, an individual with acquired alexia who demonstrated reliance on a sub-lexical reading strategy (i.e., presence of spelling regularity effect and phonologically plausible errors) underwent 12 weeks of text-based reading treatment combining MOR and ORLA procedures. Behavioural assessments of single-word and text reading, along with eye-tracking assessments were conducted pre-treatment, post-treatment and at 5 month follow-up. Improved reading fluency (rate, accuracy) was observed for both trained and untrained passages. Evidence from behavioural and eye-tracking assessment suggested text-based reading treatment facilitated use of a lexical-semantic reading strategy. Increased frequency and lexicality effects, as well as a shift in initial landing position towards the centre of the word (the "optimal viewing position") were observed at post-treatment and follow-up assessments. These results demonstrate the potential utility of using eye movements as a parameter of interest in addition to traditional behavioural outcomes when investigating response to reading treatment.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».