Evaluating the Modified-Shortened Token Test as a Working Memory and Language Assessment Tool
Notice bibliographique
Résumé
PURPOSE: Working memory and linguistic knowledge are highly intertwined in language tasks. Verbal working memory in particular has been studied as a potential constraint on language performance. This, in turn, highlights the need for a clinical assessment tool that will assist clinicians in understanding individual children's performance in relation to working memory and language. In this study, we investigated whether performance on the Token Test could capture differences in verbal working memory and linguistic knowledge given its manipulation of length and syntactic complexity. METHOD: In Experiment 1, 257 children ages 4-7 years completed our Modified-Shortened Token Test, in which they carried out commands of increasing length and complexity. Experiment 2 was an exploratory study that included a separate group of 24 kindergarten-age children who completed our Modified-Shortened Token Test as well as other memory and language measures. RESULTS: The factor analysis in Experiment 1 revealed a three-factor solution with factors corresponding to verbal working memory, linguistic, and basic attention constructs. In Experiment 2, we conducted exploratory correlations between composite scores formed based on identified factors (from Experiment 1) and related measures. Recalling sentences and formulating sentences correlated with the working memory demands of the Token Test, whereas following directions and word structure correlated with Token Test linguistic factor. CONCLUSIONS: A modified Token Test has the potential to be used clinically to understand language performance. In particular, differential performance across sentences could reveal relative verbal working memory and linguistic knowledge abilities. SUPPLEMENTAL MATERIAL: https://doi.org/10.23641/asha.19178474.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».