The linguistic and cognitive mechanisms underlying language tests in healthy adults : a principal component analysis
Bibliographic record
Abstract
Pour un processus d’évaluation linguistique plus précis et rapide, il est important \nd’identifier les mécanismes cognitifs qui soutiennent des tâches langagières couramment \nutilisées. Une façon de mieux comprendre ses mécanismes est d’explorer la variance \npartagée entre les tâches linguistiques en utilisant l’analyse factorielle exploratoire. Peu \nd’études ont employé cette méthode pour étudier ces mécanismes dans le \nfonctionnement normal du langage. Par conséquent, notre objectif principal est \nd’explorer comment un ensemble de tâches linguistiques se regroupent afin d’étudier les \nmécanismes cognitifs sous-jacents de ses tâches. Nous avons évalué 201 participants en \nbonne santé âgés entre 18 et 75 ans (moyenne=45,29, écart-type= 15,06) et avec une \nscolarité entre 5 et 23 ans (moyenne=11,10, écart-type=4,68), parmi ceux-ci, 62,87% \nétaient des femmes. Nous avons employé deux batteries linguistiques : le Protocole \nd’examen linguistique de l’aphasie Montréal-Toulouse et Protocole Montréal d’Évaluation \nde la Communication – version abrégé. Utilisant l’analyse en composantes principales \navec une rotation Direct-oblimin, nous avons découvert quatre composantes du langage : \nla sémantique picturale (tâches de compréhension orale, dénomination orale et \ndénomination écrite), l'exécutif linguistique (tâches d’évocation lexicale - critères \nsémantique, orthographique et libre), le transcodage et la sémantique (tâches de lecture, \ndictée et de jugement sémantique) et la pragmatique (tâches d'interprétation d'actes de \nparole indirecte et d'interprétation de métaphores). Ces quatre composantes expliquent \n59,64 % de la variance totale. Deuxièmement, nous avons vérifié l'association entre ces \ncomposantes et deux mesures des fonctions exécutives dans un sous-ensemble de 33 \nparticipants. La performance de la flexibilité cognitive a été évaluée en soustrayant le - \ntemps A au temps B du Trail Making Test et celle de la mémoire de travail en prenant le \ntotal des réponses correctes au test du n-back. La composante exécutive linguistique était \nassociée à une meilleure flexibilité cognitive (r=-0,355) et la composante transcodage et \nsémantique à une meilleure performance de mémoire de travail (r=.0,397). Nos résultats \nconfirment l’hétérogénéité des processus sous-jacent aux tâches langagières et leur \nrelation intrinsèque avec d'autres composantes cognitives, tels que les fonctions \nexécutives.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".