MétaCan
Menu
Retour à la cohorte
Enregistrement W4417321741 · doi:10.1177/01427237251397677

Cross-Cultural Exploration of Growth in Expressive Communication Between English and Portuguese-Speaking Infants and Toddlers

2025· article· en· W4417321741 sur OpenAlexfundno aff
Sandra Ferreira, Anabela Cruz‐Santos, Leandro S. Almeida, Jay Buzhardt

Notice bibliographique

RevueFirst Language · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a TecnologiaUniversidade do MinhoInternational Council for Canadian Studies
Mots-clésIntervention (counseling)Context (archaeology)PortugueseMulticulturalismIntercultural communicationMeasure (data warehouse)Child development

Résumé

récupéré en direct d'OpenAlex

There is a need for instruments that can assess skills at an early age and that are valid on an international level to support large-scale multicultural research of child development. The Early Communication Indicator (ECI) was developed in the United States to measure expressive communication in the early years, supporting early intervention practitioners and other professionals. It is designed to be applied in any context and in any language, making it applicable internationally. A study involving 480 Portuguese infants and toddlers (aged 6–42 months) that used the ECI provided an opportunity to explore the development of expressive communication using the ECI in a language other than English and in a novel cultural context. The results confirmed a continuum of communication growth and showed similarities with the trajectories found in the U.S. and Australian populations, where the ECI is widely used, for example, to measure communication and monitor intervention in early childhood. Implications for future studies and contributions to theory and practice provided by these new cross-cultural data on ECI are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,331
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFirst LanguageMême sujetLanguage Development and DisordersTravaux en français237 207