Nonword repetition to identify DLD in older school-age children
Notice bibliographique
Résumé
Objectifs. La haute valeur diagnostique des tests de répétitions de non-mots (RNM) pour identifier le trouble développemental du langage (TDL) a été largement démontrée pour les enfants monolingues et bilingues d’âge préscolaire et scolaire. Cette étude étend l’analyse de la RNM à des enfants plus âgés. Méthodologie. Un test existant de RNM en langue française dont l’efficacité diagnostique a été démontrée pour l’âge de 5 ans a été complété par des items comprenant 6 à 8 syllabes, et ressemblant ou non à des mots. Ce test a été administré à 64 participants incluant des enfants de CE2, de 6 e et des adultes ainsi qu’un groupe d’enfants bilingues et un groupe d’enfants présentant un TDL. Résultats. Les enfants TDL ont obtenu des scores globalement plus faibles quelle que soit la longueur des items, ont commis davantage d’erreurs et ont été moins aidés par le fait que le non-mot ressemble à un mot. Les enfants bilingues présentant un développement typique ont obtenu des scores similaires à leurs pairs monolingues. Un effet d’âge n’a été trouvé qu’entre les adultes et les deux groupes d’enfants. Conclusions. Les enfants plus âgés ont besoin de tâches de RNM plus complexes. L’efficacité diagnostique de la RNM chez les enfants plus âgés peut être améliorée en utilisant des composants du score et non le score global.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».