Prereading Assessment in Two Bilingual Contexts: Examining Predictive Validity of the Urdu Phonological Tele-Assessment Tool in Pakistan and Canada
Notice bibliographique
Résumé
Purpose: Early assessment of prereading abilities is important for ensuring long-term reading, academic, and career-related success. Speech-language pathologists and educators commonly use prereading assessment tools to identify and support school-aged children's future reading abilities. However, most bilingual children, including Urdu–English bilinguals, do not have access to appropriate early prereading assessments within the school/educational system. This is due to the lack of language-appropriate prereading assessment tools. The current longitudinal study examines the predictive validity of the linguistically and culturally responsive Urdu Phonological Tele-Assessment (U-PASS) tool, including subtests for phonological awareness and rapid automatized naming (RAN), commonly assessed reading precursors. Method: Specifically, we investigated whether kindergarten-level Urdu phonological awareness and RAN skills predict the future Grade 1 Urdu reading accuracy and fluency skills of Urdu–English simultaneous bilinguals in two language contexts: in Pakistan (where Urdu is spoken as a national language; n = 104; Country Context 1) and in our exploratory study in Canada (where Urdu is spoken as a heritage language; n = 50; Country Context 2). Results: Hierarchical linear regression analyses demonstrate predictive validity of the U-PASS tool across the two country contexts. Particularly, Urdu phonological awareness emerged as a consistent longitudinal predictor of Urdu word/nonword reading accuracy and fluency, while RAN was a reliable predictor of the reading fluency measures. Conclusion: The U-PASS tool provides access to linguistically and culturally responsive early prereading assessment and enables speech-language pathologists and educators to examine prereading skills in the heritage language of Urdu-speaking children across classrooms 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 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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».