Exploring the concurrent validity of a linguistically responsive pre-reading assessment in bilingual children: the Urdu Phonological Tele-Assessment (U-PASS) tool
Notice bibliographique
Résumé
Introduction Childhood language and reading contribute to academic and socio-economic success. It is therefore important to identify school-aged children’s language and reading abilities as early as possible to provide additional support. Oral-language assessment tools are used by speech-language pathologists (SLPs) and educators for early identification of children at risk for reading difficulties. Particularly, phonological processing is an oral-language and pre-reading skill commonly used to examine reading skills at the early grade levels. However, there is a clear English-language assessment bias when it comes to these pre-reading assessment tools, which impacts clinical and research practices. Bilingual children are commonly misidentified with reading disorders–partially due to the lack of appropriate assessment tools. To address this bias, we developed and evaluated an age- and linguistically-appropriate Urdu Phonological Tele-Assessment (U-PASS) tool across three phases. The U-PASS consists of 10 phonological awareness, phonological memory, and rapid automatized naming subtests. Methods We tested 115 typically-developing Urdu-English simultaneous bilinguals in Grades 1–2 across Canada and Pakistan on the U-PASS, vocabulary and reading accuracy measures, and background questionnaires. Results Item-level analysis, involving point-biserial correlations, accuracy rates, and Cronbach’s alpha, and linear regression, involving subtest- and composite-level analysis, were used to collect evidence for U-PASS’s internal reliability and criterion-based concurrent validity. Discussion Our linear regression analyses indicated significant phonological processing-reading associations after accounting for background variables, thereby demonstrating U-PASS’s concurrent validity for assessing Urdu word/non-word reading. The open-access tool enables SLPs and educators to provide early pre-reading assessment and support for the successful development of oral-language and reading skills in bilingual children speaking Urdu—a common, yet under-investigated, language globally.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».