Epäsanantoistotehtävän diagnostinen tarkkuus kehityksellisen kielihäiriön tunnistamisessa suomenkielisillä lapsilla
Bibliographic record
Abstract
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.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.029 | 0.015 |
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".