Do You Like Me? Differences in Learning Social Cues in Adolescents with Developmental Language Disorder (DLD)
Notice bibliographique
Résumé
Abstract The pathways to the documented increased social and emotional difficulties in individuals with Developmental Language Disorder (DLD) are unclear. We explored whether differences in social evaluation could account for social and emotional difficulties in adolescents with DLD using a computerized social evaluation task. Twenty-four adolescents with DLD were matched with twenty-six adolescents with typical language development (TLD) ( M age = 13.5 years, SE = 2.38; n = 18 female). They completed the Social Evaluation Learning Task (SELT; Button et al., 2015) which measures how quickly people learn the computer likes or dislikes either them or someone else. Adolescents and parents reported social and emotional functioning. Adolescents with DLD had poorer social understanding, in that they took longer to learn that the computer disliked them. They learned similarly to their TLD when the computer liked them and someone else. Adolescents with DLD also had higher self-reported anxiety and more parent reported emotional and peer problems; however, there was no mediational effect of social evaluation on socioemotional difficulties. This study demonstrates that adolescent with DLD have specific difficulties in interpreting cues that they are disliked by others but are just as good at understanding when they are liked. The differences seen in their social evaluation skills did not account for their increased socioemotional difficulties. This social evaluation bias might explain previous findings of good self-rated social competence while other ratings indicate social difficulties. Future research is necessary to investigate the implications of this finding further.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».