A Longitudinal Investigation of Oral Inferential Comprehension in French-Speaking Preschoolers: Results from the ELLAN Study
Notice bibliographique
Résumé
INTRODUCTION: Inferential comprehension is a complex language skill fundamental for social competence and reading comprehension. Evidence from the literature demonstrates that this ability develops early in a child's life. Using a longitudinal design, this study aimed to describe the early developmental trajectory of oral inferential comprehension ability in young typically developing French-speaking children from 3;6 to 5;6 years of age. METHODS: A narrative-based oral inferential comprehension task was administered to a group of typically developing children (n = 79) at 3;6, 4;6, and 5;6 years old; as part of the Early Longitudinal Language and Neglect [ELLAN] study. A total of 19 inferential questions were classified into six types of causal inferences targeting the comprehension of story grammar elements. RESULTS: Inferential comprehension total scores showed significant improvement across all three time points, with the most significant increase between 3;6 and 4;6 years of age. At 3;6 years old, questions about the problem of the story, goal, and characters' internal responses were better answered compared to questions about the attempts to solve the problem, predictions, and the story's resolution. By 5;6 years of age, no ceiling effects were observed for any of the inference types, indicating ongoing development of inferential comprehension ability. CONCLUSION: Such longitudinal data documenting a developmental sequence of early oral inferential comprehension supports the importance of initiating assessments and interventions of this complex skill from an early age, especially from 3;6 to 4;6 years old, a period marked by significant growth.
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 ».