MétaCan
Menu
Retour à la cohorte
Enregistrement W2929499403 · doi:10.5964/jnc.v5i1.177

Impairment of non-symbolic number processing in children with mathematical learning disability

2019· article· en· W2929499403 sur OpenAlexaffabout
Anne Lafay, Marie‐Catherine St‐Pierre, Joël Macoir

Notice bibliographique

RevueJournal of Numerical Cognition · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueCognitive and developmental aspects of mathematical skills
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésTask (project management)CognitionSet (abstract data type)NumeracyReading (process)Cognitive psychologyMatching (statistics)Numerical cognitionNumber sensePsychologyLearning disabilityDevelopmental psychologyArithmeticMathematicsComputer scienceLiteracyStatisticsCognitive scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

The functional origin of Mathematical Learning Disability (MLD), an impairment affecting mathematics learning, remains controversial. We aimed to study the number sense deficit hypothesis in children with MLD. We explored the processing of non-symbolic numbers in Quebec French-speaking 8‒9-year-old children with three non-symbolic tasks (number comparison, number matching and dot set selection task). Results showed that children with MLD were as successful as typically developing children in a comparison task, but less successful in a matching task. Their performance in numerical re-production was also similar to that of typically developing children for large (10-99) numerosities, while they were less successful in transcoding small (1-4) and medium (5-9) numerosities. Children with MLD also presented with general cognitive and reading difficulties. Results suggest a deficit in processing small and medium numerosities in children with MLD that could be largely attributed to their poorer cognitive skills.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil0,348

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,292
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Numerical CognitionMême sujetCognitive and developmental aspects of mathematical skillsTravaux en français237 207