The BNT-38: Applying Rasch Analysis to Adapt the Boston Naming Test for Use With English and French Monolinguals and Bilinguals
Notice bibliographique
Résumé
Purpose Currently, there is no reliable instrument to measure naming abilities in bilingual speakers of English and French. The Boston Naming Test (BNT; Kaplan, Goodglass, & Weintraub, 1983 )is a widely used scale for clinical assessments of language function, but it is not suitable to assess bilinguals. Rasch analysis provides a unique and powerful method to establish measurement invariance across language groups that improves reliability of measurement. Method Rasch analysis was applied to a sample ( n = 215) of English or French monolingual and bilingual speakers completing the BNT in either language. Participants included English-French bilinguals ( n = 83), English monolinguals ( n = 72), and French monolinguals ( n = 60). Results The best overall Rasch model fit was obtained after the removal of 22 misfitting items, resulting in a 38-item BNT solution (BNT-38), with a modification of 7 items that showed differential item functioning by language factor. To increase the clinical utility of the BNT-38 in French speakers and bilinguals, we generated ordinal-to-interval conversion tables for monolinguals and bilinguals in English and French. Conclusions Use of the BNT-38 and the associated conversion tables will allow valid comparisons of naming abilities across bilingual and monolingual English and French speakers of different age groups. Applying these tools increases accuracy in measurement of naming ability and higher diagnostic precision in French and English monolinguals and bilinguals.
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 | 0,026 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».