Reading Speed Using the International Reading Speed Texts in a Normal Canadian Cohort
Notice bibliographique
Résumé
Background The International Reading Speed Texts (IReST) are commonly used to measure reading speed, which may be affected in many eye conditions. They were originally tested in a younger British population. Our study evaluates IReST in a normal Canadian population. Methodology A normal Canadian cohort in Ontario was prospectively recruited with age >14 years, education >9 years, English as the primary language, and best-corrected visual acuity >20/25 distance and >N8 near in each eye. Participants with eye conditions and neurological/cognitive problems were excluded. Each participant consecutively read two IReST passages (passages 1 and 8). Reading speed in words per minute (WPM) was calculated. One-sample t-test was used to compare our cohort to published IReST standards. Results A total of 112 participants were included (35 male, 77 female). The mean age was 40 ± 17 years (14-18 years: 12; 18-35 years: 34; 35-60 years: 53; 60-75 years: 13). The mean reading speed for passage 1 was 211 ± 33 WPM compared to the published IReST standard of 236 ± 29 WPM (p < 0.0001). The mean reading speed for passage 8 was 218 ± 34 WPM compared to the IReST standard of 237 ± 24 WPM (p < 0.0001). Thus, our cohort read slower for both passages compared to IReST standards. The mean reading speed for passages 1 and 8 was the highest for the 14-18-year (231 and 239, respectively) and the lowest for the 60-75-year group (195 and 192, respectively). Conclusions Normal older populations have slower reading compared to younger populations. The slower reading in our cohort may also be because the passages were in British rather than in Canadian English. It is important that the IReST is evaluated in different populations to ensure reliable comparison standards for future research.
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 | 0,001 | 0,000 |
| 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) | 0,000 | 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 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 ».