Curriculum-Based Dynamic Assessment of Narratives for Bilingual Filipino Children
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Speech-language pathologists need tools that can accurately estimate bilingual children's language abilities and thus help avoid misdiagnoses. This study addresses this need by investigating the accuracy of a novel curriculum-based dynamic assessment of narratives in distinguishing bilingual children with language difficulties (LDs) from children with typically developing (TD) language. METHOD: Participants comprised 34 Filipino-English bilingual children attending elementary school in English: seven with LDs and 27 with TD language. All children were assessed on narrative skills relevant to their school curriculum during a dynamic assessment involving a test-teach-test sequence. We then examined how accurately the children's scores on narrative tasks completed during the test phases, and on a modifiability rating scale completed during the teaching phase, discriminated the LD and TD groups. RESULTS: According to discriminant analyses, logistic regressions, and receiver operating characteristic curve analyses, the modifiability rating classified the children with 97.1% accuracy. Children's scores on the narrative measures following the teaching phase were also better at predicting language group than their initial scores, with the Test of Narrative Language-Second Edition (TNL-2) Narrative Language Ability Index score reaching 100% accuracy at posttest. CONCLUSIONS: The curriculum-based dynamic assessment of narratives shows promise at distinguishing TD language from LD in a group of understudied bilingual children that is rapidly growing in both Canada and the United States. The findings compare favorably to past studies of dynamic assessment and extend this work by integrating curricular goals to the narrative assessment process.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle