Cognitive Failures and Sense of Coherence as Predictors of Academic Resilience in Children with Speech Impairments
Notice bibliographique
Résumé
This study aims to investigate the relationship between cognitive failures, sense of coherence, and academic resilience in children with speech impairments. The objective is to determine how cognitive and psychological factors predict resilience in this population. A cross-sectional design was employed, involving 376 children with speech impairments, aged 8 to 12 years. Participants were recruited from special education centers and mainstream schools. Academic resilience, cognitive failures, and sense of coherence were measured using the Academic Resilience Scale (ARS-30), Cognitive Failures Questionnaire (CFQ), and Sense of Coherence Scale (SOC-29), respectively. Pearson correlation analysis examined the relationships between variables, and linear regression analysis determined the predictive value of cognitive failures and sense of coherence on academic resilience. Data analysis was conducted using SPSS version 27. Descriptive statistics indicated moderate levels of academic resilience (M = 78.45, SD = 11.32) among participants. Cognitive failures (M = 43.29, SD = 9.87) negatively correlated with academic resilience (r = -0.56, p < .001), while sense of coherence (M = 65.14, SD = 10.45) positively correlated (r = 0.63, p < .001). The regression model was significant (F(2, 373) = 173.27, p < .001), explaining 48% of the variance in academic resilience (R² = 0.48). Cognitive failures (B = -0.45, p < .001) and sense of coherence (B = 0.59, p < .001) were significant predictors of academic resilience. The findings underscore the significant roles of cognitive failures and sense of coherence in predicting academic resilience in children with speech impairments. Interventions targeting cognitive improvement and psychological support can enhance resilience, thereby promoting better academic outcomes. Future research should explore longitudinal trajectories and the effectiveness of specific interventions to further support these children.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».