BAT - en test for tospråklige med afasi : uttelling blant tospråklige personer på den norske kortversjonen av The Bilingual Aphasia Test (BAT)
Bibliographic record
Abstract
Bakgrunnen for å skrive masteroppgaven min om tospråklighet og afasi kommer av en interesse for tospråklighet, samt at jeg hadde en spennende afasipraksis på et sykehus i løpet av logopedistudiet. Hos de tospråklige pasientene som ble innlagt på akuttavdelingen der, var det spørsmål om de observerte språkvanskene etter hjerneslaget skyldtes afasi, eller om de var et uttrykk for tospråkligheten. Jeg ble fortalt at det ikke eksisterte en standardisert test på norsk som kunne tas på tospråklige personer, nettopp med den hensikt å kartlegge om språkvanskene skyldtes afasi eller tospråklighet. Dette opplevde jeg var en svært vanskelig situasjon for logopeden, hvor det var knyttet usikkerhet til kartleggingen av språkvanskene hos tospråklige personer. Jeg fikk på et seinere tidspunkt kjennskap til at det eksisterte en standardisert afasitest på engelsk. Denne tok sikte på å kartlegge språkvansker hos tospråklige personer med afasi. The Bilingual Aphasia Test (BAT) har blitt utviklet av Michel Paradis i Canada, og var i løpet av 2009 i prosessen med å bli tilpasset til norsk av Monica Knoph ved Bredtvet kompetansesenter i Oslo.\n\nFormålet med undersøkelsen min er å se på om normalspråklige tospråklige personer som har norsk som sitt andrespråk oppnår resultater innenfor tillatt grense i den norske versjonen av BAT. For logopeder som tar i bruk BAT i kartlegging av tospråklige personer med afasi, er det vesentlig å vite at dette er en valid test på afatiske utslag i språket, og at den ikke kun gir et uttrykk for tospråkligheten.\n\nProblemstillingen min lyder som følgende;\n\nHvilken uttelling vil tospråklige personer med engelskspråklig bakgrunn få på den norske kortversjonen av The Bilingual Aphasia Test (BAT)?\n\nMetode, dataanalyse og resultater\n\nProblemstillingen belyses gjennom en kvantitativ metode og ved et ikke-eksperimentelt design. Det vil si at jeg ikke manipulerer noen av de undersøkte variablene, men at jeg vurderer uttellingen på BAT ut fra resultatene slik de fremkommer av undersøkelsen. Dataanalysen blir statistisk bearbeidet og analysert i dataprogrammet Statistical Package for the Social Sciences (SPSS). Analysen fremstilles deskriptivt ved hjelp av t-tester og krysstabeller.\n\nResultatene viser at de tospråklige personene med engelskspråklig bakgrunn stort sett får en uttelling innenfor tillatt grense på den norske kortversjonen av BAT. Av 24 administrerte deltester, oppnås tilfredsstillende resultater på 16 av dem. På de åtte gjenværende deltestene får informantene en lavere uttelling enn det som er tillatt for normalspråklige personer. Dette gir indikasjoner på at den norske kortversjonen av BAT per i dag ikke kan sies å være en valid test på afatiske utslag i språket hos en tospråklig person med afasi. Da faller også testens hensikt bort.\n\nUtvalget i denne undersøkelsen består av 12 personer. Det er derfor mulig at undersøkelsen ville ha gitt et annet resultat dersom et større utvalg hadde blitt testet. Jeg sammenligner for øvrig resultatene fra min undersøkelse med Knophs normering av testen (12 normalspråklige enspråklige), og den samme tendensen gjør seg gjeldende for noen av deltestene blant hennes utvalg.\n\nSelv om min undersøkelse viser at informantene oppnår et tilfredsstillende resultat på to tredjedeler av deltestene i BAT, bør testen gjennomgå en ny normeringsrunde med normalspråklige personer. Etter en ny normering kan man på nytt vurdere om den norske BAT er en valid test for tospråklige personer med afasi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.028 | 0.012 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".