Silent Reading Fluency in Adult Literacy Learners: The Role of Phonemic Decoding and Speech Disfluencies
Notice bibliographique
Résumé
INTRODUCTION: Challenges in reading and speech commonly co-occur. For example, adults and children with clinically elevated levels of speech disfluencies, indicating a speech fluency disorder, are more likely to have a reading disorder. METHOD: The aim of this study was to explore the connection between reading and speech difficulties in adult literacy learners (ALLs). We examined the relationship between phonemic decoding, speech disfluencies, and silent reading fluency in ALLs. Participants included 234 English-speaking ALLs enrolled in adult literacy programs in the USA and Canada. RESULTS: Taken together, results suggested that speech production ability mediated the relationship between reading and speech disfluencies. First, phonemic decoding skills positively predicted silent reading fluency, regardless of speech production ability. Second, in contrast to the first finding, higher speech disfluency rates were associated with stronger phonemic decoding only in ALLs with stronger speech production ability (i.e., ALLs with less disfluencies). Third, higher speech disfluency rates predicted lower silent reading fluency scores for ALLs with weaker speech production ability (i.e., ALLs with more disfluencies) but not for ALLs with stronger speech production ability. CONCLUSION: These findings point to the complex relationship between reading and speech abilities and underscore the importance of examining speech production skills in ALLs.
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 | 0,001 | 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 ».