Systematically Mapping Connection between Rapid Automatized Naming Task and Reading Performance: A Meta-analysis of Correlational Data
Notice bibliographique
Résumé
Introduction. This meta-analytical study of primary research on early literacy explores and summarizes patterns of correlation between performance on Rapid Automatized Naming (RAN) task and measures of specific reading skills. This is the first large-scale meta-analysis intended to verify claims of the double-deficit hypothesis of relative independence of naming speed and phonological awareness factors in developmental dyslexia and to systematically map specific connection between RAN performance and various literacy competencies. Method. Two-hundred-forty-one primary studies identified through systematic searches of related empirical literature yielded 1551 effect sizes of two types – cross-sectional (correlations at the same time) and longitudinal (when measures of RAN and reading were considerably separated in time), reflecting RAN-to-reading correlations for seven independent outcome types. Results. The overall weighted average effect sizes were: r+ = 314, k = 1254 and r+ = 343, k = 297, respectively. Subsequent moderator variable analyses further explored RAN-to-reading associations dependent on RAN type, particular reading skills, age of learners and other factors. Among the strongest and most consistent in both sub-collections were correlation between symbolic RAN and reading speed and between non-symbolic RAN and reading comprehension, whereas both RAN types were strongly associated with decoding skills and reading composite measures. Discussion. Patterns of RAN-to-reading correlation provided insufficient support for the double-deficit hypothesis, but were suggestive of perceiving RAN as a measure of “pre-reading” skills, an “equal among equals” correlate of reading performance. The study also emphasizes the important role of both automatic and controlled cognitive processes for successful RAN task performance in its connection to reading competency.
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 | 0,043 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,029 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».