Individual differences in reading skill and language lateralisation: A cluster analysis
Notice bibliographique
Résumé
Individual differences in reading and cerebral lateralisation were investigated in 200 college students who completed reading assessments and divided visual field word recognition tasks, and received a structural MRI scan. Prior studies on this data set indicated that little variance in brain-behaviour correlations could be attributed to the effects of sex and handedness variables (Chiarello, Welcome, Halderman, & Leonard, 2009; Chiarello, Welcome, Halderman, Towler, et al., 2009; Welcome et al., 2009). Here a more bottom-up approach to behavioural classification (cluster analysis) was used to explore individual differences that need not depend on a priori decisions about relevant subgroups. The cluster solution identified four subgroups of college age readers with differing reading skill and visual field lateralisation profiles. These findings generalised to measures that were not included in the cluster analysis. Poorer reading skill was associated with somewhat reduced VF asymmetry, while average readers demonstrated exaggerated RVF/left hemisphere advantages. Skilled readers had either reduced asymmetries, or asymmetries that varied by task. The clusters did not differ by sex or handedness, suggesting that there are identifiable sources of variance among individuals that are not captured by these standard participant variables. All clusters had typical leftward asymmetry of the planum temporale. However, the size of areas in the posterior corpus callosum distinguished the two subgroups with high reading skill. A total of 17 participants, identified as multivariate outliers, had unusual behavioural profiles and differed from the remainder of the sample in not having significant leftward asymmetry of the planum temporale. A less buffered type of neurodevelopment that is more open to the effects of random genetic and environmental influences may characterise such individuals.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».