An In-Depth Investigation of Eye Movement Profile of Dyslexic Readers Using a Standardized Text-Reading Aloud Task in French
Notice bibliographique
Résumé
(1) Background: Most eye-movement studies in dyslexia focus on silent reading in controlled laboratory settings. Yet, oral reading of standardized texts remains central for identifying this disorder. By combining eye-tracking with oral reading, we captured both fixation dynamics and eye-voice span (EVS) measures, offering a richer view of the processes underlying dyslexia. (2) Methods: We tested 10 adults with dyslexia and 14 controls as they read aloud an unpredictable diagnostic text in French. Analyses examined psycholinguistic effects of word length and lexical frequency on fixation probabilities, counts, and durations, alongside EVS measures. (3) Results: Compared to controls, adults with dyslexia read more slowly, made more errors, and showed atypical fixation patterns: persistent word length effects, reduced frequency effects, and diminished, unstable EVS. (4) Conclusions: Together, eye-movement and EVS findings converge on a key mechanism: adults with dyslexia continue to rely heavily on sublexical decoding. This reliance creates a processing bottleneck in oral reading, where difficulties in rapid word identification cascade into sounding-out behavior and disrupted eye-voice coordination.
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 | 0,000 |
| 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 ».