Bilingual children with autism spectrum disorders: The impact of amount of language exposure on vocabulary and morphological skills at school age
Notice bibliographique
Résumé
Studies of bilingual children with Autism Spectrum Disorders (ASD) have focused on early language development using parent report measures. However, the effect of bilingual exposure on more complex linguistic abilities is unknown. In the current study, we examined the impact of amount of language exposure on vocabulary and morphological skills in school-aged children with ASD who did not have intellectual disability. Forty-seven typically developing children and 30 children with ASD with varying exposure to French participated in the study. We investigated the impact of amount of language exposure, nonverbal IQ, age, and working memory on language abilities via regression analyses. Current amount of language exposure was the strongest predictor of both vocabulary skills (accounting for 62% of the variance) and morphological skills (accounting for 49% of the variance), for both typically-developing children and children with ASD. These findings highlight the central role amount of language exposure plays in vocabulary and morphological development for children with ASD, as it does for typically-developing children. In addition, they provide further evidence that, when provided with adequate language exposure, many children with ASD are capable of acquiring two languages. Autism Research 2018, 11: 1667-1678. © 2018 International Society for Autism Research, Wiley Periodicals, Inc. LAY SUMMARY: We studied typically developing children and children with ASD living in a bilingual society who had varying exposure to French (ranging from bilinguals to monolinguals). We investigated the impact of amount of language exposure, nonverbal IQ, age, and working memory on their vocabulary and morphological skills. Current amount of language exposure was the strongest predictor of language skills in both groups of children. Findings indicate that when provided with adequate language exposure, many children with ASD are capable of acquiring two languages.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».