Parenting Behavior and Child Language: A Meta-analysis
Notice bibliographique
Résumé
CONTEXT: Early language development supports cognitive, academic, and behavioral success. Identifying modifiable predictors of child language may inform policies and practices aiming to promote language development. OBJECTIVE: To synthesize results of observational studies examining parenting behavior and early childhood language in typically developing samples. DATA SOURCES: Searches were conducted in Medline, Embase, PsycINFO, Web of Science, and Dissertation Abstracts (1967 to 2017). STUDY SELECTION: Studies had 1 of 2 observational measures of parenting behavior (i.e., sensitive responsiveness or warmth) and a measure of child language. DATA EXTRACTION: Data from 37 studies were extracted by independent coders. Estimates were examined by using random-effects meta-analysis. RESULTS: = 0.16; 95% confidence interval: 0.09 to 21). The pooled effect size for the association between sensitive responsiveness and child language was statistically higher than that of warmth and child language. The association between sensitive responsiveness and child language was moderated by family socioeconomic status (SES): effect sizes were stronger in low and diverse SES groups compared with middle to upper SES groups. Effect sizes were also stronger in longitudinal versus cross-sectional studies. LIMITATIONS: Results are limited to typically developing samples and mother-child dyads. Findings cannot speak to causal processes. CONCLUSIONS: Findings support theories describing how sensitive parenting may facilitate language and learning.
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 | 0,010 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,030 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».