Predicting risk for oral and written language learning difficulties in students educated in a second language
Notice bibliographique
Résumé
ABSTRACT The extent to which risk for French as a second language (L2) reading and language learning impairment are distinct and can be predicted using first language (L1) predictors was examined in English-speaking students in total French immersion programs. A total of 86 children were tested in fall of kindergarten, spring kindergarten, and spring Grade 1 using an extensive battery of L1 predictor tests (in kindergarten) and L2 outcome tests (in Grade 1). Analyses of the kindergarten predictor scores revealed distinct underlying components, one related to reading and one to oral language. Further analyses revealed that phonological awareness, phonological access, and letter-sound knowledge in L1 were significant predictors of risk for reading difficulties in L2 while performance on L1 sentence repetition, phonological awareness, and tense marking tests in kindergarten were the best predictors of risk for L1 and L2 oral language difficulties. Both fall- and spring-kindergarten predictors predicted Grade 1 outcomes to a significant extent, with the spring-kindergarten predictors being more accurate. These results provide support for distinctive risk profiles for L2 oral language and reading difficulty and, furthermore, argue that assessment of L1 abilities can be used to make reasonably accurate predictions of later reading and/or oral language learning difficulties in L2 students.
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 | 0,000 | 0,000 |
| 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 ».