MétaCan
Menu
Retour à la cohorte
Enregistrement W2767669781 · doi:10.28984/drhj.v1i0.19

Nonword Repetition and Sentence Imitation as Clinical Markers for Primary Language Impairment in bilingual French-English- and English-French-speaking children in Northern Ontario

2017· article· en· W2767669781 sur OpenAlexaffvenueabout
Sara Dubreuil-Piché, Jenna Lachance, Chantal Mayer-Crittenden

Notice bibliographique

RevueDiversity of Research in Health Journal · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésRepetition (rhetorical device)ImitationSentencePsychologyLanguage impairmentDisadvantagedLinguisticsNeuroscience of multilingualismDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Studies indicate that nonword repetition and sentence imitation are useful tools when assessing bilingual children. Bilingual children with primary language impairment (PLI) typically score lower on these two tasks than their typically developing counterparts. Studies show that bilingual children are not disadvantaged during nonword repetition if they have limited language exposure. However, since sentence imitation tasks are constructed with words from the target language, it is expected that it would be more influenced by previous language exposure. The goal of this article will be to review the influence of bilingual exposure on both tasks. This review provides the theoretical background for future studies that will compare the accuracy of both tasks when identifying PLI in bilingual children.

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)0,008
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil0,846

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,073
Tête enseignante GPT0,418
Écart entre enseignants0,345 · 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

Citations1
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDiversity of Research in Health JournalMême sujetLanguage Development and DisordersTravaux en français237 207