Lexical Diversity Versus Lexical Error in the Language Transcripts of Children With Developmental Language Disorder: Different Conclusions About Lexical Ability
Notice bibliographique
Résumé
Purpose The purpose of this study was to provide preliminary data on differences in lexical diversity and lexical-semantic errors in the language samples of children with developmental language disorder (DLD) and children with typical language development (TLD) of the same age. Method We analyzed word use in the narrative transcripts of children with DLD and TLD ( N = 14; M age = 6;8 [years;months]) using standard measures of lexical diversity (number of different words, moving-average type–token ratio) and additional counts of lexical-semantic errors. Results There were no significant differences between the groups in lexical diversity, and all children with DLD scored within the age-appropriate range on diversity relative to a normative sample. The children with DLD, however, produced significantly more lexical errors than their TLD peers. Conclusions The results suggest that caution is warranted when interpreting normal-range lexical diversity scores in children with DLD, as children with DLD may demonstrate functional difficulties with word use that are not captured by lexical diversity measures. A focus on lexical errors holds promise for characterizing lexical-semantic qualities of language transcripts that are not captured by standard measures of diversity. Development of a reliable clinical system for coding and characterizing lexical-semantic errors in language transcripts is warranted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».