在双语儿童中识别发育性语言障碍:语言测量的准确和时间有效的组合

科学领域:

• 语言学的语言学.
• 语音语言病理学 语言病理学
• 发展心理学 发展心理学

背景情况:

• 双语儿童的发展性语言障碍 (DLD) 诊断是复杂的,因为语言评估的多样性.
• 现有的方法往往对个体试验贡献和临床可行性缺乏明确性.
• 综合评估与时间效率之间的平衡对于实际应用至关重要.

研究的目的:

• 评估各种语言测量的准确性和时间效率,以确定双语儿童的DLD.
• 为语音语言病理学家开发一个可行的和有效的诊断协议.
• 利用机器学习进行数据驱动的最佳评估工具的选择.

主要方法:

• 通过交叉验证的机器学习,分析了50名典型发育双语儿童和50名双语DLD儿童 (5-9岁) 的数据.
• 评估包括背景测量 (听力,智力,语言暴露,SES),标准化语言测试,家长问卷,叙事任务,非单词重复和认知抑制任务.
• 分析了群体差异和个人表现.

主要成果:

• 在大多数评估的语言测量中发现了显著的群体差异.
• 一个结合句子重复,非单词重复,家长问卷和语义/形态语义理解任务的协议实现了90%的分类准确性.
• 除了这四个,增加更多的测量并没有提高诊断准确度.

结论:

• 该研究通过数据驱动的方法确定了通过数据驱动的方法在双语儿童中对DLD识别做出最有贡献的测量.
• 开发的语言评估协议既节省了时间,也非常准确.
• 该协议为临床环境中的语音语言病理学家提供了一个实用和可行的工具.