MétaCan
Menu
Retour à la cohorte
Enregistrement W2983160615 · doi:10.3389/fpsyg.2019.02401

Developmental Letter Position Dyslexia in Turkish, a Morphologically Rich and Orthographically Transparent Language

2019· article· en· W2983160615 sur OpenAlexaff
Selçuk Güven, Naama Friedmann

Notice bibliographique

RevueFrontiers in Psychology · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueReading and Literacy Development
Établissements canadiensMcGill University
Organismes subventionnairesAnadolu Üniversitesi
Mots-clésPsychologyTurkishConsonantDyslexiaReading (process)LinguisticsLexiconOrthographyVowelCognitive psychologySpeech recognitionComputer science

Résumé

récupéré en direct d'OpenAlex

We present the first report of a specific type of developmental dyslexia in Turkish, letter position dyslexia (LPD). LPD affects the encoding of letter positions, leading to letter migrations within words. In a multiple case study of 24 Turkish-speaking children with developmental LPD, we examined in detail the characteristics of this dyslexia and explored its manifestation in Turkish. We used migratable words, in which a migration creates another existing word (e.g., signer-singer), which exposed the migration errors of the participants. In sharp contrast with the common assumption that dyslexics in transparent languages, including Turkish, do not make reading errors, we have shown that right stimuli can detect even up to 30% reading errors. The participants made migrations in reading aloud, comprehension, lexical decision, and same-different tasks, in both words and non-words. This indicates that their deficit is in the orthographic-visual analysis stage, a stage that precedes the orthographic input lexicon and is shared by the lexical and non-lexical routes. Their repetition of non-words and migratable words was normal, indicating that their phonological output stages are intact. They did not make digit migrations in reading numbers, indicating that the orthographic-visual analyzer deficit is orthographic-specific. The properties of Turkish allowed us to examine two issues that bear on the cognitive model of reading: consonant-consonant transpositions were far more frequent than consonant-vowel and vowel-vowel migrations. This indicates that the orthographic-visual analyzer already classifies letters into consonants and vowels, before or together with letter position encoding. Furthermore, Turkish is very rich morphologically, which has allowed us to examine the effect of the morphological structure of the target word on migrations. We found that there was no morphological effect on migrations: morphologically complex words did not yield more (nor fewer) migrations than monomorphemic ones, migrations crossed morpheme boundaries and did not preserve the morphological structure of the target word. This suggests that morphological analysis follows the letter-position encoding stage.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetReading and Literacy DevelopmentTravaux en français237 207