MétaCan
Menu
Retour à la cohorte
Enregistrement W2150933933 · doi:10.2466/pms.101.2.345-361

Evaluating Current Deficit Theories of Poor Reading: Role of Phonological Processing, Naming Speed, Balance Automaticity, Rapid Verbal Perception and Working Memory

2005· article· en· W2150933933 sur OpenAlexaff
Robert Savage, Ulla Patni, Norah Frederickson, Roz Goodwin, Nicola Smith, Louise Tuersley

Notice bibliographique

RevuePerceptual and Motor Skills · 2005
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAutomaticityReading (process)PsychologyCognitionPerceptionCognitive psychologyAudiologyBalance (ability)Developmental psychologyWorking memoryLinguisticsMedicineNeuroscience

Résumé

récupéré en direct d'OpenAlex

To clarify the nature of cognitive deficits experienced by poor readers, 9-10-yr.-old poor readers were matched against 9 chronological age and 9 younger reading age-matched controls screened and selected from regular classrooms. Poor readers performed significantly more poorly than chronological age-matched peers on digit naming speed, spoonerisms, and nonsense word reading. Poor readers were also significantly poorer than reading age-matched controls on nonword reading but were significantly better than reading age-matched controls on postural stability. Analyses of effect sizes were consistent with these findings, showing strong effects for digit naming speed, spoonerisms, and nonword reading. However, effect size analysis also suggested that poor readers experienced moderate difficulties with balance automatisation but did not show verbal speech perception deficits relative to either control

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,919
Score d'incertitude au seuil0,713

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,333
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerceptual and Motor SkillsMême sujetReading and Literacy DevelopmentTravaux en français237 207