MétaCan
Menu
Retour à la cohorte
Enregistrement W7028331164

Epäsanantoistotehtävän diagnostinen tarkkuus kehityksellisen kielihäiriön tunnistamisessa suomenkielisillä lapsilla

2024· other· fi· W7028331164 sur OpenAlexaboutno aff

Notice bibliographique

RevueUTUPub (University of Turku) · 2024
Typeother
Languefi
DomaineEngineering
ThématiqueCivil and Structural Engineering Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Period (music)Data collectionPopulation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tässä pro gradu -tutkielmassa tutkittiin, onko FinnBrain -syntymäkohorttitutkimukseen (Karlsson ym., 2018) luotu epäsanantoistotehtävä diagnostisesti tarkka testi tunnistamaan lapset, jotka täyttävät kehityksellisen kielihäiriön kriteerit, lapsista, jotka ovat tyypillisesti kehittyneitä. Epäsanantoistotehtävää on tutkittu paljon ja tehtävässä suoriutumisen on todettu olevan yhteydessä kehitykselliseen kielihäiriöön. Kansainvälisesti menetelmän diagnostisesta tarkkuudesta on luotu jo useampi meta-analyysi, mutta suomen kielellä menetelmää ei ole tutkittu kehityksellisen kielihäiriön näkökulmasta. Epäsanantoistotehtävää luodessa on tärkeää ottaa huomioon kielispesifisyys, joten aikaisempien tutkimustulosten soveltaminen suoraan suomen kieleen on mahdotonta. Tutkimus tuo tärkeää uutta tietoa epäsanantoistotehtävän ominaisuudesta tunnistaa kehityksellinen kielihäiriö suomenkielisillä lapsilla. \nTässä tutkielmassa tarkasteltiin lasten suoriutumista epäsanantoistotehtävässä. Aineisto on osa FinnBrain -syntymäkohorttitutkimuksen 5-vuotisikäpisteen tutkimuksia, josta sisäänotto- ja poissulkukriteerien perusteella valikoitui 325 lasta tutkimukseen. Tutkittavat jaettiin Reynell-III (Reynell Developmental Scales 3rd edition) -testin (Edwards ym., 2001) avulla kehityksellisen kielihäiriön ryhmään sekä tyypillisesti kehittyneisiin. \nKoehenkilöiden suoriutumista epäsanantoistotehtävässä tarkasteltiin aluksi logistisella regressiolla. Koska koehenkilöryhmien suoriutuminen epäsanantoistotehtävässä erosi merkitsevästi, edettiin diagnostisen tarkkuuden arvojen tarkasteluun. ROC-käyrän perusteella ei ollut mahdollista löytää leikkauspistettä, jossa sekä sensitiivisyyden, että spesifisyyden arvot täyttyisivät. Tämän vuoksi tutkimuksessa ei saavutettu riittäviä uskottavuusosamäärän arvoja. \nTutkimuksen tulos osoittaa, ettei tutkimuksessa käytetty epäsanantoistotehtävä ole riittävän tarkka soveltuakseen tällaisenaan kehityksellisen kielihäiriön diagnosointiin tai seulontaan suomenkielisillä lapsilla. Analyysi tuki kuitenkin aikaisempaa tutkimusta siinä, että kehityksellinen kielihäiriö oli merkitsevästi yhteydessä epäsanantoistotehtävässä suoriutumiseen. Menetelmässä on potentiaalia diagnostiseksi tai seulovaksi menetelmäksi, mutta se vaatii vielä hiomista suomenkielisille lapsille sopivaksi.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0030,002
Communication savante0,0080,004
Science ouverte0,0020,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0290,015

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 Opus0,007
Tête enseignante GPT0,186
Écart entre enseignants0,179 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTUPub (University of Turku)Même sujetCivil and Structural Engineering ResearchTravaux en français237 207