Narrative macrostructure and microstructure profiles of bilingual children with autism spectrum disorder: differentiation from bilingual children with developmental language disorder and typical development
Notice bibliographique
Résumé
Abstract Children with autism spectrum disorder (ASD) show heterogeneous language profiles beyond early language delays. Understanding the second language profiles of bilingual children with ASD is important for clinical practice in diverse societies. Accordingly, we examined the narrative abilities of bilinguals with ASD, with developmental language disorder (DLD), and with typical development (TD) to determine which narrative components best differentiate bilinguals with ASD from the other groups. Participants were 29 bilingual children with ASD, DLD, and TD who were matched for age (mean = 6;8), nonverbal intelligence, and receptive vocabulary. Narratives were coded for macrostructure (story grammar (SG) scores, number of individual SG components) and microstructure (syntactic complexity, mean length of utterance, lexical diversity, and story length). The TD group had superior SG scores, included more SG components, and used longer utterances and more complex syntax than the ASD group, whereas no differences were found between the clinical groups. For SG components requiring perspective-taking abilities, the ASD group had worse performance than the TD and DLD groups. Our results suggest that bilingual children with ASD show weaknesses in both macrostructure and microstructure, which can overlap with children with DLD. The linguistic profiles of bilingual children with ASD and DLD are thus both overlapping and distinct.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 ».