Profiles and Predictors of Academic and Social School Functioning among Children with Autism Spectrum Disorder
Notice bibliographique
Résumé
Objective: The purpose of the study was to identify profiles and predictors of academic and social functioning in a sample of school-age children with autism spectrum disorder.Method: The study included 178 children (88% boys, 75% Caucasian, ages 10–11) who completed a standardized measure of academic skills and whose teachers completed a related measure. Measures of both academic and social performance were used to construct profiles of school functioning. Measures of language, nonverbal IQ, autism symptom severity, behavior difficulties, and early social-communication skills between ages 3 and 4 were used to examine predictors of profile membership. Latent Profile Analysis was used to identify and describe profiles of children’s academic and social school functioning. Profile membership was then regressed on each of the predictors using a series of multinomial logistic regression models. Finally, a multivariate model that included all significant predictors was built to examine the best fitting constellation of profile predictors.Results: Four profiles – reflecting variation in academic achievement, school engagement, socialization skills, pragmatic language use, and social relationships – captured the diverse school functioning outcomes of the sample. Profile membership was predicted by variation in imitation, responding to joint attention, language ability, nonverbal IQ and behavior difficulties between ages 3 and 4 years. However, in a multivariate model, only language and behavior difficulties emerged as significant predictors.Conclusions: A person-centered approach to targeted early intervention that reduces behavior difficulties and enhances social-communication and language abilities may prove especially important for the promotion of later academic and social functioning at school.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».