The role of language proficiency and linguistic distance in cross-linguistic treatment effects in aphasia
Notice bibliographique
Résumé
Current findings from intervention in bilingual aphasia are inconclusive regarding the extent to which levels of language proficiency and degree of linguistic distance between treated and non-treated languages influence cross-language generalisation and changes in levels of language activation and inhibition following treatment. In this study, we enrolled a 65-year-old multilingual speaker with aphasia and administered treatment in his L1, Dutch. We assessed pre- and post-treatment performance for seven of his languages, five of high proficiency and two of lower proficiency. We asked whether treatment in L1 would generalise to his other languages or increase interference among them. Forty hours of treatment were completed over the course of five weeks. Each language was tested three times at pretreatment and at post-treatment. Testing included measures of narrative production, answering questions, picture description and question generation. Dependent measures examined language efficiency, defined as Correct Information Units (CIUs)/min, as well as language mixing, defined as proportion of code-mixed whole words. We found that our participant's improved efficiency in Dutch was mirrored by parallel improvement in the four languages of high proficiency: English, German, Italian and French. In contrast, in his languages of lower proficiency, Norwegian and Spanish, improved efficiency was limited. An increase in code-mixing was noted in Spanish, but not in Norwegian. We interpret the increased code-mixing in Spanish as indication of heightened inhibition following improvement in a language of close linguistic proximity, Italian. We conclude that an interaction of language proficiency and linguistic similarity affects cross-language generalisation following intervention in multilingual aphasia.
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 | 0,008 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».