The Effect of Age and Task Complexity on the Microstructure of Child Arabic Narratives
Notice bibliographique
Résumé
PURPOSE: This study examines the development of narrative microstructure elements of productivity, lexical diversity, and syntactic complexity in the oral story production of preschool- and school-age Kuwaiti Arabic-speaking children. It also explores the effects of story task complexity on the target microstructural features. METHOD: This study employed a cross-sectional research design and enrolled 96 monolingual speakers of Kuwaiti Arabic. Four groups of children aged 4;0-7;11 (years;months) were randomly recruited from public schools across Kuwait. The groups consisted of 22 four-year-olds (Kindergarten 1), 24 five-year-olds (Kindergarten 2), 25 six-year-olds (Grade 1), and 25 seven-year-olds (Grade 2). Two sets of sequential pictures from the Edmonton Narrative Norms Instrument were used to elicit storytelling from all participants: a one-episode story and a more complex three-episode story. RESULTS: The children's stories were analyzed to determine if there were differences in narrative microstructure as a function of age and task complexity. The data indicated that productivity, lexical diversity, and syntactic structures increased with task complexity. The length of communication units, the average mean length of the three longest utterances, and the amount and variety of words in the children's productions were all significantly larger in the more complex story. Only one syntactic structure showed age as well as task effects. CONCLUSION: Clinical recommendations include adapting the coding scheme to fit Arabic data, using the more complex narrative alone for microstructure analysis, and calculating only a few measures for productivity and syntactic complexity to save time.
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) | 0,000 | 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 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 ».