Evaluation of the Crosslinguistic Nonword Repetition Test: Evidence From a Large and Diverse Secondary Data Set
Notice bibliographique
Résumé
PURPOSE: The aim of this study was to evaluate the crosslinguistic validity of the Crosslinguistic Nonword Repetition Test (CL-NWR) based on a large multicountry sample by investigating factors related to language ability, as well as potential confounds. METHOD: The data consisted of CL-NWR scores from children aged 37-165 months, collected by 18 research teams across 15 countries. Item-level analysis was employed to examine any nondesirable effects of gender, socioeconomic status, bilingual status, and the amount of exposure to the test language, as well as desirable effects of age, item length, and clinical status (children categorized as typically developing [TD], with developmental language disorder [DLD], or with reported language concerns [LC], respectively). Subsamples were used to evaluate the consistency of findings across three time points and between different versions of the CL-NWR. RESULTS: Bayesian analysis provided strong evidence for the effects of age, item length, and clinical status on CL-NWR performance, as well as consistency across time points. In contrast, there was weak or no evidence for the effects of gender, socioeconomic status, bilingual status, amount of exposure, or test version. Additionally, there were two interactions between (a) item length and clinical status, suggesting that children with DLD found longer nonwords disproportionately more challenging than TD children, and (b) age and clinical status, with the gap between TD and LC groups narrowing with age. CONCLUSIONS: The CL-NWR was unaffected by environmental and demographic factors that often influence language assessments, including some nonword repetition tests. Performance was driven by factors reflecting language abilities. This makes the CL-NWR a unique and valuable tool for language assessment contributing to the identification of DLD in diverse linguistic, social, and geographical contexts.
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 | 0,028 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».