Features of culturally and linguistically relevant speech‐language assessments for Indigenous children: A scoping review
Notice bibliographique
Résumé
INTRODUCTION: Indigenous children may be at higher risk of being misdiagnosed with speech-language difficulties due to Eurocentric practices in health care and education. The use of conventional speech pathology assessment practices contributes to inappropriate disorder identification, further stigmatising a vulnerable population. Few resources are available for speech pathologists, which examine the cultural and linguistic relevance of assessments for this population. OBJECTIVE: To provide important features for speech pathologists to account for when building assessment plans for Indigenous children. DESIGN: This comprehensive scoping literature review was completed using the Arksey and O'Malley 6-step methodological framework, including the optional consultation exercise, and reported using the Preferred Reporting Items for Systematic reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR) guidelines. To be included, studies needed to have been published since 2000, discuss speech-language assessments and involve a significant proportion of Indigenous participants under 7 years old. FINDINGS: Three features were extracted from 32 studies that discussed First Nations, Métis, Inuit, Native American, Aboriginal and Torres Strait Islander communities: using a battery of resources including alternative approaches, ensuring authenticity and cultural relevance, and considering a child's linguistic characteristics. CONCLUSION: While there remains a need to adapt according to a specific child's reality, this study provides a guideline for all allied health clinicians when they are building their culturally and linguistically relevant assessment plans.
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) | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 ».