自然语言样本中的实时编码测量捕捉了极小语言自闭症儿童随时间变化的变化

科学领域:

• 发展心理学 发展心理学
• 语音语言病理学 语言病理学
• 自闭症谱系障碍研究研究

背景情况:

• 自然语言采样 (NLS) 是评估语音发言率 (URate) 和对话转换率 (CTRate) 的验证方法.
• 实时编码绕过转录,可以有效测量最小语言 (MV) 自闭症儿童的URate和CTRate.
• 之前的研究证实了这些实时编码测量的心理特征.

研究的目的:

• 为了研究实时编码的URate和CTRate如何捕获MV自闭症儿童随时间变化的变化.
• 为了确定特定的儿童因素是否预测了URate和CTRate的变化.
• 验证使用NLS衍生实时编码来跟踪开发进展.

主要方法:

• 50名极少口语自闭症儿童 (40名男性) 参与了这项研究,在两个时间点 (T1和T2) 收集了NLS数据,持续了4.5个月.
• 语音和对话数据被实时编码使用ELAN语言注释器软件来导出URate和CTRate.
• 配对样本威尔科克森试验和回归分析用于分析变化和预测因素.

主要成果:

• 儿童URRate和儿童和检查员CTRate从T1到T2显著增加.
• 孩子的时间年龄,表达性语言年龄等值得分,以及最初的T1 URate和CTRate预测了T2结果.
• 检查者URate没有显示显著增加.

结论:

• 来自NLS的URate和CTRate实时编码测量有效地捕捉了MV自闭症儿童的发育变化.
• 儿童特异性因素是沟通率变化的重要预测因素.
• 这些发现支持根据儿童个体特征量身定制干预目标,以改善结果.