Neurocognitive Profiles of Children With High Intellectual Ability: A Pilot Study
Notice bibliographique
Résumé
A common question among teachers of students with high intellectual ability is how to best teach this group of children. To answer this question, it is first necessary to better understand their cognitive profiles. Thus, the primary goal of this study was to examine the neurocognitive profiles of children with high intellectual ability. To do this, we used the Discrepancy Consistency Model (Naglieri, 1999), which allows researchers to detect patterns of cognitive strengths and weaknesses. One hundred forty-two children with high intellectual ability (70 females, 72 males; Mage = 127.41 months, SD = 10.76) from Grades 4, 5, and 6 were assessed on measures of general intelligence and academic achievement, as well as on measures of Planning, Attention, Simultaneous, and Successive (PASS) processes. Results showed that 54% of the sample had a PASS score that was significantly lower than that of each student’s average PASS score. Only 8% of the students had a PASS disorder (a score that was low in relation to the student’s average and below 90). Further, 4% of our sample had both a PASS disorder and an academic-skills disorder. The findings suggest that students with high intellectual ability can show variability in PASS scores that may have relevance for instructional programming and for identifying twice-exceptional children.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».