Social-legal discourse in adults with and without traumatic brain injury
Notice bibliographique
Résumé
OBJECTIVE: To characterise social-legal discourse in adults with and without traumatic brain injury (TBI). METHODS: Participants, 19 adults with TBI and 21 uninjured comparison peers, completed a legal knowledge interview to discuss knowledge of laws and legal systems. Dependent variables were microlinguistic and macrolinguistic features of participants' spoken discourse. RESULTS: Participants in the TBI group produced more microlinguistic errors, t(38) = -3.07, adjusted P < 0.05, ηp2 = 0.20, and a higher rate of errors, t(38) = -3.08, adjusted P < 0.05, ηp2 = 0.20, than participants in the comparison group. Participants in the TBI group also produced more macrolinguistic errors, t(38) = -2.86, adjusted P < 0.05, ηp2 = 0.18, and a higher rate of errors t(38) = -3.94, adjusted P < 0.05, ηp2 = 0.29, than participants in the comparison group. Two cognitive-communication mechanisms, working memory and processing speed, partially explained micro- and macrolinguistic discourse features. CONCLUSION: Adults with moderate-to-severe TBI produced social-legal discourse of poorer micro- and macrolinguistic quality than their uninjured peers. Discourse quality was explained in part by working memory and processing speed. Results identify risks of TBI-related communication deficits in legal contexts and support further study of effects of TBI on intersections with legal systems.
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) | 0,001 | 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 ».