Role of Neurocognitive Factors in Academic Fluency for Children and Adults With Spina Bifida Myelomeningocele
Notice bibliographique
Résumé
OBJECTIVES: Fluency is a major problem for individuals with neurodevelopmental disorders, including fluency deficits for academic skills. The aim of this study was to determine neurocognitive predictors of academic fluency within and across domains of reading, writing, and math, in children and adults, with and without spina bifida. In addition to group differences, we expected some neurocognitive predictors (reaction time, inattention) to have similar effects for each academic fluency outcome, and others (dexterity, vocabulary, nonverbal reasoning) to have differential effects across outcomes. METHODS: Neurocognitive predictors were reaction time, inattention, dexterity, vocabulary, and nonverbal reasoning; other factors included group (individuals with spina bifida, n=180; and without, n=81), age, and demographic and untimed academic content skill covariates. Univariate and multivariate regressions evaluated hypotheses. RESULTS: Univariate regressions were significant and robust (R 2 =.78, .70, .73, for reading, writing, and math fluency, respectively), with consistent effects of covariates, age, reaction time, and vocabulary; group and group moderation showed small effect sizes (<2%). Multivariate contrasts showed differential prediction across academic fluency outcomes for reaction time and vocabulary. CONCLUSIONS: The novelty of the present work is determining neurocognitive predictors for an important outcome (academic fluency), within and across fluency domains, across population (spina bifida versus typical), over a large developmental span, in the context of well-known covariates. Results offer insight into similarities and differences regarding prediction of different domains of academic fluency, with implications for addressing academic weakness in spina bifida, and for evaluating similar questions in other neurodevelopmental disorders. (JINS, 2019, 25, 249-265).
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».