方法文章

通过计算机化测试推进儿童阅读障碍评估

DOI：

10.3791/67031

⸱

2024年8月16日

 ,  , 
1The University Institute of Neuroscience (IUNE), Universidad de La Laguna

本文内容

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

用于评估阅读中一般领域和特定领域技能的多媒体电池是一种可靠且有效的多媒体电池，旨在评估认知和基本阅读技能。它能够生成全面的认知和阅读表现概况，这对阅读障碍儿童特别有益。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

阅读技能的获得是一个复杂的过程，需要培养各种通用领域和特定领域的能力。因此，许多孩子努力保持年级水平的熟练程度也就不足为奇了，尤其是在面临跨越两个领域的多种能力的挑战时，正如在有阅读困难的人中观察到的那样。引人注目的是，尽管阅读困难是影响学龄儿童最普遍的神经发育障碍之一，但大多数可用的诊断工具都缺乏一个全面的框架来评估与阅读障碍相关的全方位认知技能，计算机化选项最少。值得注意的是，目前为讲西班牙语的儿童提供的具有这些功能的工具有限。本研究的目的是描述使用 Sicole-R 多媒体电池诊断有阅读困难的讲西班牙语的儿童的方案。这个小学工具的重点是评估科学文献规定的与阅读障碍相关的认知技能。具体来说，它专注于评估一系列已证明与阅读障碍有关的认知能力。这一重点基于以下观察:阅读障碍患者通常在该数字工具评估的几个认知领域表现出缺陷。证明了电池的稳健内部一致性和多维内部结构。这种多媒体电池已被证明是诊断小学阅读困难儿童的合适工具，提供全面的认知概况，不仅对诊断目的有价值，而且对定制个性化教学计划也很有价值。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

阅读障碍是一种神经发育障碍，其特征是难以准确和/或流利地识别单词以及拼写和解码能力差，其特征是尽管有常规指导、足够的智力和社会文化机会，但仍无法获得有效的阅读技能，但仍然出现意外和持续的困难1。这种神经生物学疾病通常表现为阅读、拼写和写作方面的挑战，主要是由于语音缺陷 2,3。"早期识别阅读障碍的重要性怎么强调都不为过，因为它允许及时干预和支持 4,5。正如科学文献所强调的那样，当学生在对干预的反应模型中没有超过 3 级时，必须对与阅读障碍相关的一般领域和特定领域的能力进行更全面的评估。这里介绍的技术的发展是基于进行彻底评估以确保提供适当的干预和支持的必要性。此外，以前的研究强调了基于技术的筛查工具（例如 Web 应用程序和计算机游戏）在促进有效筛查过程方面的效用 6,7。这些研究共同强调了阅读障碍的多方面性质，强调需要全面的评估和干预策略来解决阅读障碍个体的不同认知特征。尽管学龄儿童普遍存在阅读障碍，但大多数可用的诊断工具都缺乏全面评估一般领域和特定领域技能的框架。此外，计算机化选项很少，特别是对于讲西班牙语的人群。这种多媒体电池通过利用技术来促进对与阅读障碍相关的认知技能的详细评估，从而解决了这些差距。

阅读障碍的理论观点和认知缺陷
各种理论模型，包括语音学、快速听觉处理、视觉、大细胞和小脑理论，旨在解释阅读障碍的原因并为干预措施提供信息（参见综述）8。语音理论将阅读障碍归因于处理语言声音的困难9，而快速听觉处理理论将阅读障碍与感知快速变化的声音的缺陷联系起来10。视觉理论强调阅读困难的视觉方面，而大细胞理论指出视觉和听觉处理途径的障碍11。小脑理论表明，阅读障碍是由影响运动控制和认知功能的小脑损伤引起的12。Nicolson 和 Fawcett 的延迟神经承诺 （DNC） 框架假设技能获取缓慢和神经网络发展延迟是阅读障碍的核心。最近的模型，例如多重缺陷模型，提出阅读障碍是一种受遗传、认知和环境因素影响的复杂疾病 13,14,15。例如，Ring 和 Black14 支持多重缺陷模型，表明语音和认知加工缺陷都会导致阅读障碍的异质性。Soriano-Ferrer 等人15 对患有发育性阅读障碍 （DD） 的讲西班牙语的儿童进行了一项研究，发现命名速度、语言工作记忆和语音意识 （PA） 存在显着障碍。同样，Zygouris 等人 16 和 Rauschenberger 等人 6 强调了认知筛查工具在识别这些缺陷方面的重要性，阅读障碍个体的得分始终低于通常取得成就的同龄人。

检查阅读障碍筛查的技术方法:来自研究的见解
阅读障碍筛查的研究已经发展为三种主要方法:早期检测策略、结合各种评估的多方面筛查方法以及整合技术以提高效率17。Politi-Georgousi 最近的18 项系统评价强调了更多干预阅读障碍症状的应用，而不是筛查过程，与技术整合保持一致，以提高阅读障碍学生的阅读技能。存在各种工具，例如 Fawcett 和 Nicolson 的阅读障碍早期筛查测试 （DEST），它评估速度、语音技能、运动技能、小脑功能和知识19。"基于计算机的工具已经取得了进步，包括评估希腊儿童阅读和认知技能的 Web 应用程序20 以及 Hautala 等人 21 和 Rauschenberg 等人 6 使用游戏和机器学习来早期识别阅读障碍的工具。Ahmad et al. 将游戏与神经网络集成，检测准确率达到 95%22.不同正字法的研究强调了语音意识和快速自动命名在阅读障碍识别中的重要性23,24。

对西班牙语儿童阅读障碍的见解
通过使用 Sicole-R 技术，对讲西班牙语的儿童阅读障碍的研究取得了显着进展。Jiménez 等人证明了它在评估跨年龄组阅读障碍方面的有效性，特别是在小学早期根据语音和句法处理区分阅读障碍和通常达到目标的读者25。Guzmán 等人研究了有语音挑战的阅读障碍儿童的命名速度缺陷，强调了阅读障碍与通过字母 RAN 和数字 RAN26 等任务测量的命名速度之间的相互作用。Jiménez 等人的进一步研究探讨了不同音节结构的语音意识缺陷27，而 Ortiz 等人调查了患有阅读障碍的西班牙儿童的语音感知缺陷，揭示了无论语音对比或语言单位如何，语音感知发展都存在障碍28,29。Jiménez 等人研究了阅读障碍的双重缺陷假说30，然后分析了认知过程和阅读障碍患病率的性别相关差异31,32。Rodrigo 等人探讨了西班牙阅读障碍儿童的词汇获取 33，Jiménez 等人仔细研究了句法处理缺陷34。最后，Jiménez 等人研究了阅读障碍亚型的语音和正字法过程，突出了正字法路线效率的差异35。这些研究共同增强了我们对西班牙语人群阅读障碍的认知和语言挑战的理解。

所进行的研究在参与儿童的年龄和背景方面有几个共同特征。这些研究中纳入的儿童年龄从 7 岁到 14 岁不等。大多数研究集中在 7 至 12 岁的小学生身上，除了那些包括 14 岁以下儿童的研究，提供的样本从学龄前到青春期前31,32。参与的儿童主要来自西班牙的加那利群岛。此外，一些研究包括来自西班牙其他地区和危地马拉的样本31,32。参与者来自公立和私立学校，其背景包括城市和郊区。这些研究中代表的社会经济水平从中低阶层到工薪阶层和中产阶级不等。

总之，这些调查极大地促进了我们对阅读障碍复杂性的理解，为阅读障碍研究领域做出了贡献。该工具适用于多个伊比利亚美洲国家，包括西班牙、危地马拉、智利和墨西哥，有助于评估本研究的不同西班牙语样本的诊断准确性和精密度。

本研究旨在描述使用专用多媒体电池诊断有阅读困难的讲西班牙语的儿童的方案。主要目标是提供一个全面的评估工具，以评估与阅读障碍相关的一般领域和特定领域的技能。

实验装置概述
SICOLE-R 在 Java 2 平台标准版 （J2SE） 中编程。HSQL 数据库引擎用作数据库。该软件包括 6 个需要评估的主要模块:1） 感知处理，包括发声、放置和发音方式的任务;2） 语音处理，包括音素隔离、音素删除、音素分割和音素混合任务;3） 命名速度，包括以数字、字母、颜色和图片命名速度的任务;4） 正字法处理，包括词位和后缀的形态理解以及同音字理解的任务;5） 句法处理，包括性别、数字、虚词和语法结构任务;6） 语义处理，通过信息和叙述性文本影响阅读理解任务。在测试阶段开始之前，由教学代理提供每项任务的说明，并附有一到两次试验（取决于任务）和一次演示。此处说明了每个任务的应用程序协议。

在对研究样本使用多媒体电池之前，对每个国家（即墨西哥、危地马拉、厄瓜多尔和智利）的西班牙语模式进行了调整，包括对词汇、图像和其他相关内容的调整。所有拉丁美洲国家的管理条件都是相同的。学校内的管理环境必须安静，没有噪音、干扰和干扰。多媒体电池管理的持续时间从 3 到 4 节课不等，每节课 30 分钟，具体取决于学生的能力和年龄。由于它与大多数电子表格和统计数据处理系统的数据库兼容性，评估员可以分析每个孩子和每个任务的结果。关于数据收集，采用了两种不同的任务类型:1） 考官记录学生的口语表现，使用外部鼠标记录成功和错误的任务，以及 2） 要求学生通过单击选项独立选择选项的任务。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该协议是根据拉古纳大学 （ULL） 的 Comité de Ética de la Investigación y Bienestar Animal（研究伦理和动物福利委员会，CEIBA）提供的指导方针进行的。这些数据是根据每个国家/地区的课程在不同时间收集的，仅从教育管理部门、学校和家长同意的学生那里收集信息。本研究中使用的测试电池已注册为知识产权，可以通过与 ULL 的转让协议获得。有关如何获得测试电池的更多信息，有兴趣的各方可以联系 ULL 的知识转移办公室 （OTRI）。

1. SICOLE-R 安装和准备

  1. 使用以下纳入标准来应用此工具:二年级到六年级的学生。使用以下排除标准:不包括有特殊教育需求的学生，即那些由于感觉障碍或获得性神经系统问题等因素而需要支持和有针对性的教育关注的学生。
    注意:评估是与学生单独在一个安静的空间内进行的，有电脑和良好的照明。需要带有适配麦克风的耳机，以方便接收任务指令和提高学生的表现。
  2. 要在计算机上安装软件，请以管理员身份执行文件，然后单击图标以打开该工具。打开应用程序后，会出现一个初始界面，显示各种操作选项。
  3. 在开始评估之前填写将执行任务的学生信息。输入他们的数据后，将他们记录在学生列表中，以后可以修改他们的信息。
  4. 每次添加新学生时，在开始任务之前都会显示一个测试屏幕。在此屏幕上，要求学生点击将出现在屏幕上的启动。
    注意:这个小游戏的目标是建立评估学生运动控制的基线。它允许监控电机速度的个体差异，因为软件通过按键盘上的键来记录响应。这个小游戏只出现一次。
  5. 在开始评估之前，请考官给出以下说明:现在，您将进入一个具有不同大门的虚拟马戏团环境。每个门都通向您将参与的有趣活动。一个小丑将引导您穿过这些大门，并解释每项活动中该做什么。请坐在考官旁边，仔细听说明。确保在每项任务中做到最好。享受探索和完成这些活动的乐趣！
  6. 通过选择计划进行评估的学生并单击 Start 部分来开始任务。主菜单包括 5 个彩色门，每个门对应一个要评估的模块。
  7. 每项任务都以介绍性说明开始，要求学生注意这一点。学生们被告知游戏的性质，并在教学代理人的协助下指导如何玩它。确保代理为每项任务提供口头指示，通过模型举例说明程序，并提供示例供学生效仿。
  8. 完成示例后，确保教学代理提供相应的反馈，允许学生在示例执行错误时重做示例，然后评估开始。
    注意:教学代理是一个虚拟角色，旨在指导学生完成任务。这个角色要求代理具有清晰易懂的语音，并能够根据学生的反应提供教学指导、任务建模和反馈。教学代理必须被编程为在任务期间根据学生的输入一致和准确地做出响应。

2. SICOLE-R 任务

  1. Yellow Door:使用语音感知任务的感知处理模块
    1. 在计算机上打开该程序。导航到程序界面中的黄色门。单击 其中一个可用的子任务 以启动任务:（1） 发声，（2） 发音方式，以及 （3） 放置。
    2. 允许教学代理为学生提供教学指导和任务建模。代理应该说:现在我们将听到成对的音节。如果音节相同，请按蓝色按钮;如果它们不同，请按红色按钮。看看我是怎么做的。现在轮到您举这些例子了。
    3. 向学生展示两个项目示例:/ba/-/pa/;/ja/-/ka/。如果对相同，则再次指导学生选择蓝色圆圈，如果它们不同，则选择红色按钮。
    4. 任务完成后，确保教学代理根据示例中学生的答案提供反馈。示例完成后，允许代理指示学生启动任务。
    5. 选择圆圈（蓝色或红色）的过程将在整个任务中保持一致，记录命中和未命中。如果学生需要再次听到这对音节，请单击 扬声器图标 再次重播。请注意，每个项目只允许额外播放一次。
  2. Pink Door:语音感知模块
    1. 音素分割任务
      1. 在计算机上打开该程序。导航到程序界面中的粉红色门。选择 Phoneme Segmentation 以选择任务。
      2. 允许教学代理为学生提供教学指导。代理应该说:现在我们将专注于音素分割。请观看我演示。然后，您将看到两个示例项。
      3. 向学生展示两个示例项目。让学生大声说出他们对每个单词的回答。
      4. 使用外接鼠标单击蓝色按钮可获得正确响应，单击红色按钮可获得错误响应。确保教学代理根据学生对示例的回答提供反馈。
      5. 在示例之后，确保教学代理指示学生开始任务。
    2. 音素混合任务
      1. 在计算机上输入该程序。导航到程序界面中的粉红色门。选择 Phoneme Blending 以选择任务。
      2. 允许教学代理为学生提供教学指导。代理说:现在我们将专注于音素合成。请观看我演示。然后，您将看到两个示例项。
      3. 向学生展示两个示例项目。让学生大声说出他们对每个单词的回答。
      4. 使用外部鼠标单击蓝色按钮以获得准确的响应，使用红色按钮获得不准确的响应。确保教学代理根据学生对示例的回答提供反馈。
      5. 在示例之后，允许教学代理指导学生启动任务。该过程在整个任务执行过程中保持一致，记录准确和不准确的响应。
      6. 如果学生需要再次听一个单词，请单击 Parrot 图标 进行重播。请注意，每个项目只允许重播一次。
    3. 音素隔离任务
      1. 在计算机上打开该程序。导航到程序界面中的粉红色门。单击 Phoneme Isolation 以选择任务。
      2. 允许教学代理为学生提供教学指导和任务建模。代理应该说:现在我们将专注于隔离音素。请观看我演示。然后，您将看到两个示例项。您的任务是单击名称与目标单词相同声音的图像。
      3. 向学生展示两个示例项目。观察学生是否点击了与目标单词具有相同发音的图片。
      4. 确保教学代理根据学生对示例的回答提供反馈。在示例之后，确保代理指导学生开始任务。
      5. 该过程在整个任务中保持一致，记录命中和未命中。如果学生需要额外聆听某个单词，请单击 扬声器图标 以重播该单词。请注意，每个项目只允许重播一次。
    4. 音素删除任务
      1. 在计算机上打开该程序。导航到程序界面中的粉红色门。选择 Phoneme Deletion 以选择任务。
      2. 允许教学代理提供教学指导并向学生演示任务。代理应该说:现在我们将专注于音素删除。请观看我演示。然后，您将看到两个示例项。
      3. 向学生展示两个示例项目。让学生大声说出每个单词的答案。
      4. 使用外接鼠标单击蓝色按钮可获得正确答案，单击红色按钮可获得错误答案。确保教学代理根据学生对示例的回答提供反馈。
      5. 在示例之后，确保教学代理指示学生启动任务。该过程在整个任务执行过程中保持一致，记录正确和错误的响应。
      6. 如果学生需要再次听一个单词，请单击 扬声器图标 进行重播。请注意，每个项目只允许重播一次。
  3. Orange Door:命名速度和正字法模块
    1. 快速自动命名 （RAN） 任务
      1. 在计算机上访问该程序。继续程序界面中的橙色门。选择 Naming Speed （命名速度 ） 以选择任务。
      2. 允许教学代理提供指导并演示任务。演示命名速度模块的字母 RAN 子任务的示例。
      3. 让学生大声说出他们的答案。如果示例中的响应准确，请选择屏幕上的蓝色按钮。如果不正确，请单击红色按钮。
      4. 确保教学代理根据学生的回答提供反馈。在示例之后，确保 Pedagogical Agent 启动任务。
      5. 通过单击鼠标左键开始计时来启动任务。在任务期间，屏幕上会出现一个元素矩阵，具体取决于子任务。
      6. 让学生大声说出矩阵的元素并按顺序说出。同时，记录学生犯的任何错误。
      7. 对于每个错误，使用外部鼠标的右键来注册错误数。学生完成元素命名后，再次按下左按钮以结束计时并完成该子任务的任务。完成第一个子任务（字母 RAN）后，下一个子任务（编号 RAN）将按照相同的过程自动显示。此过程将继续用于其余子任务（颜色 RAN 和对象 RAN）。
    2. "词位和后缀"任务
      1. 在计算机上访问该程序。导航到平台界面中的橙色门，然后单击 词位和后缀 以选择任务。
      2. 使教学代理能够为学生提供教学指导和任务建模，包括学生使用外部鼠标选择与目标单词对应的图像的示例项。
      3. 确保教学代理根据学生对示例的回答提供反馈，然后指示学生开始任务。
      4. 在整个任务执行过程中保持程序的一致性，提示学生为所呈现的每个项目选择与目标词相对应的图像，并记录正确的命中和错过的回答。
    3. 同音字理解任务
      1. 在计算机上访问该程序。导航到平台界面中的橙色门。单击 Homophone Comprehension 以选择 Task。
      2. 使教学代理能够为学生提供教学指导和任务建模。展示一个示例项目，提示学生使用外部鼠标选择与目标单词对应的图像。
      3. 确保教学代理根据学生对示例的回答提供反馈，并指示学生按照示例演示开始任务。
      4. 在整个任务执行过程中保持过程步骤的一致性。提示学生为呈现的每个项目选择与目标单词对应的图像。
      5. 在任务执行期间记录正确的命中和错过的响应。
  4. Green Door:句法处理模块
    1. 性别任务
      1. 在计算机上打开该程序。导航到程序界面中的绿色门。单击 Gender 以选择任务。
      2. 允许教学代理为学生提供指导和任务建模。提出两个示例供学生完成，要求他们根据自己的性别一致性使用外部鼠标点击每个句子中的相应单词。
      3. 确保教学代理根据学生对示例的回答提供反馈。在示例演示之后，确保教学代理指导学生开始任务。
      4. 在整个任务执行过程中，保持过程的一致性。提示学生根据他们的性别一致性点击每个句子中的相应单词。
      5. 在任务执行期间收集正确和错误的响应。
        注意:与西班牙语不同，英语在语法中不区分性别。
    2. 编号任务
      1. 在计算机上打开该程序。导航到程序界面中的绿色门。单击 Number 以选择任务。
      2. 允许教学代理为学生提供指导和任务建模。展示两个示例供学生完成，要求他们使用外部鼠标根据他们的数字一致性单击每个句子中的相应单词。
      3. 确保教学代理根据学生对示例的回答提供反馈。在示例演示之后，确保教学代理指导学生开始任务。
      4. 在整个任务执行过程中，保持过程的一致性。提示学生根据他们的数字一致性点击每个句子中的相应单词。
      5. 在任务执行期间收集命中和未命中。
        注意:与西班牙语不同，英语在语法中不区分数字。
    3. 功能词任务
      1. 在计算机上打开该程序。导航到程序界面中的绿色门。单击 Functional Words 以选择任务。
      2. 允许教学代理为学生提供指导和任务建模。展示两个示例供学生完成，要求他们根据句子的上下文使用外部鼠标单击每个句子中相应的虚词。
      3. 确保教学代理根据学生对示例的回答提供反馈。在示例演示之后，确保教学代理指导学生开始任务。
      4. 在整个任务执行过程中，保持过程的一致性。提示学生根据句子的上下文点击每个句子中相应的虚词。
      5. 在任务执行期间收集正确和错误的响应。
    4. 语法结构任务
      1. 在计算机上打开该程序。导航到程序界面中的绿色门。选择 Grammatical Structure 以选择任务。
      2. 允许教学代理为学生提供指导和任务演示。展示两个示例供学生完成，要求他们使用外部鼠标为每张图片单击适当的句子。
      3. 确保教学代理根据学生对示例的回答提供反馈。在示例演示之后，确保教学代理指导学生开始任务。
      4. 在整个任务执行过程中，保持过程的一致性。提示学生使用外部鼠标单击每张图片的相应句子。
      5. 在任务执行期间捕获正确和错误的响应。
  5. Blue Door:使用阅读理解任务的语义处理模块
    1. 在计算机上打开该程序。继续程序界面中的蓝色门。选择 The Fruits 作为信息性文本，或选择 Tino's Getaway 作为叙述性文本。
    2. 允许教学代理为学生提供任务说明。选择文本类型后，在屏幕上显示文本。
    3. 学生必须阅读文本并记住最相关的信息。阅读完后，让学生使用外接鼠标点击屏幕上的箭头，表示阅读完成，然后继续下一部分。
    4. 允许教学代理指导学生阅读问题并使用外部鼠标选择正确答案。学生阅读问题并相应地选择正确答案。

3. 数据分析

  1. 为了评估多媒体电池在西班牙语人群中的结构有效性和诊断准确性，请使用验证性因子分析 （CFA） 和受试者工作特征 （ROC） 曲线分析。
  2. 执行 CFA 以验证多媒体电池的潜在因子结构。此分析允许检验数据符合基于理论期望的预定义结构的假设。
  3. 使用多个拟合指数评估模型拟合，包括比较拟合指数 （CFI）、Tucker-Lewis 指数 （TLI）、近似均方根误差 （RMSEA） 和标准化均方根残差 （SRMR）。CFI 和 TLI 值大于 0.90，RMSEA 值小于 0.08，SRMR 值小于 0.08，表示模型拟合良好。
  4. 要确定多媒体电池的诊断准确性，请执行 ROC 曲线分析。这种方法允许评估测试正确分类有和没有阅读困难的个体的能力。ROC 曲线下面积 （AUC） 提供了测试总体准确性的度量。AUC 为 0.5 表示没有诊断能力，而 AUC 为 1.0 表示诊断能力完美。
  5. 通过分析各种阈值水平的灵敏度和特异性来确定电池的最佳截止点。
  6. 通过采用 CFA 和 ROC 曲线分析，对多媒体电池进行全面评估，确认其在讲西班牙语的人群中的构建有效性和诊断准确性。

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

样本研究
样本包括来自西班牙 （N = 325）、墨西哥 （N = 169）、危地马拉 （N = 227） 和智利 （N = 160） 的 881 名参与者，他们都是以西班牙语为母语的人。样本分为两组: 阅读障碍 （RD） 组 451 人和正常阅读者 （NAR） 组 430 人。有特殊教育需要的儿童——那些由于感觉障碍、神经系统问题或其他情况而需要支持和特殊教育关注的儿童——被排除在外，因为这些因素通常被用作学习障碍或严重行为障碍的排除标准，无论是暂时的还是在他们的学校教育期间。RD 组的参与者是根据智商等于或大于 80、单词阅读时间测量百分位数高于第 75 个百分位数、伪词阅读时间测量百分位数高于第 75 个百分位数或伪词阅读准确性测量百分位数低于第 25 个百分位数等标准选择的。同样，NAR 组是根据可比标准选择的，并在第 25 个百分位数以上增加了 PROLEC36 理解任务百分位数。所有百分位数均根据参与者的年级确定。将参与者分为这些组取决于单词阅读和伪词阅读的任务，每个任务都包含单独的块。在这两个模块中，参与者都被指示尽快大声朗读所呈现的口头刺激。单词阅读块包括 32 个刺激，而伪词阅读块包含 48 个刺激。单词的熟悉程度是使用 Guzman 和 Jiménez37 概述的标准来控制的。记录了命中、错误和延迟时间的测量，延迟时间从每个项目的出现到学生的声音回应开始测量。字读取块表现出较高的内部一致性 （α = .89），而伪词读取块表现出更高的内部一致性 （α = .91）。不同年级 RD 和 NAR 学生的分布如下:二年级有 30 名 NAR 和 27 名 RD 学生。过渡到三年级，与 100 名 RD 学生一起观察到 88 个 NAR。四年级包括 100 名 NAR 和 116 名 RD 学生。五年级有 100 名 NAR 学生和 116 名 RD 学生，而六年级有 100 名 NAR 学生和 104 名 RD 学生。为了评估总样本和每个年级的年龄差异，进行了单因素方差分析检验。结果显示没有显著差异，所有 p 值都超过 0.05。同样，使用卡方检验检查性别变量的分布，所有 p 值也都超过 0.05。

描述统计学
表 1 列出了年龄和评估措施的描述性统计（平均值和标准差）。这些数据按性别分类，区分了不同国家/地区成绩正常的读者和有阅读障碍的读者。结果显示，大量评估措施之间存在正相关且具有统计学意义的相关性（见 表 2）。该表显示了度量之间的相关性，范围从弱到强。小于 0.3 的相关性被视为弱相关性，而大于 0.5 的相关性被归类为强相关性。提供了特定的相关值以及它们各自的强度分类。例如，弱相关性 （r < 0.3） 包括混合分割 （r = 0.354） 和删除同音字理解 （r = 0.270） 的相关性。在语法结构-数字 （r = 0.463） 和功能词-语法结构 （r = 0.512） 之间观察到中等相关性 （0.3 ≤ r < 0.5）。数字性别 （r = 0.642） 和图片 RAN 颜色 RAN （r = 0.442） 具有很强的相关性 （r ≥ 0.5）。

表 1:措施的描述性统计。 此表提供了数字工具中包含的各种度量的平均值、标准差和其他描述性统计量。年龄:年龄;NAR:通常成就的读者;RD: 阅读障碍 ;SEG:分割;BLN: 混合;ISO:音素隔离;DEL:音素删除;HOM: 同音字理解;R&S:根和后缀;GEN:性别;NUM: 数字;FW:功能词;GRS:语法结构;EXT: Exposition 文本 ;NAT: 叙述文本 ;VOC: 发音发音;MOA:发音方式;POA= 关节位置;DIG:数字 RAN;LET:字母 Ran;COL:彩色 RAN;PIC: 图片 RAN 请点击这里下载此表格。

表 2:度量的相关系数。 此表显示了数字工具的不同度量之间的相关系数，表明了这些度量之间关系的强度和方向。SEG:分割;BLN: 混合;ISO:音素隔离;DEL:音素删除;HOM: 同音字理解;R&S:根和后缀;GEN:性别;NUM: 数字;GRS:语法结构;FW:功能词;EXT: Exposition 文本 ;NAT: 叙述文本 ;VOC: 发音发音;MOA:发音方式;POA= 关节位置;DIG:数字 RAN;LET:字母 Ran;COL:彩色 RAN;图片:图片 RAN。 请点击此处下载此表格。

验证性因子分析
进行 CFA 以评估多媒体电池的拟议因子结构。该模型包括一个二阶因子和六个潜在变量，每个变量代表多媒体电池的不同模块。这些结构包括语音感知（包括音素分割、隔离、混合和删除任务）、形态正字法模块（涉及词根和后缀以及同音字理解任务）、句法（包括性别、数字、语法结构和功能词任务）、语音感知（涉及发声、发音方式和发音位置任务）、阅读理解（包括说明文本和叙述文本理解任务）和快速自动命名（RAN 任务中的字母、颜色、数字和图片任务）。为了确保多媒体电池中所有任务的一致性（范围从 0 到 1），我们使用了最大缩放比例 （POMS） 估计。计算基于时间的任务（词根和后缀）的 POMS 分数38。

使用 R 版本 4.3.139 进行统计分析和图形演示，采用 lavaan40、semTools41 和 ggplot242 软件包。使用各种拟合优度指数评估模型拟合度。尽管卡方拟合优度显著，χ2（df） = 632.01，p < .001，这表明假设模型与观测数据之间存在差异，但重要的是要注意卡方检验对样本量43 敏感。因此，考虑了额外的拟合指数。

比较拟合指数 （CFI） 的值为 .961，超过了普遍接受的阈值 .95，表明与数据拟合良好。近似均方根误差 （RMSEA） 为 .038，表明模型与数据紧密拟合。标准化均方根残差 （SRMR） 为 .034，低于推荐值 .05，表明拟合理想。这些项目的因子载荷范围为 .36 到 .81，表明它们各自的因子上存在显著的载荷。提取的总平均方差 （AVE） 超过 .50，表明足够的收敛效度，总复合可靠性 （CR） 高于 .80，表明内部一致性信度良好。

总之，CFA 的结果支持所提出的因子结构，证明了良好的模型拟合、收敛效度和可靠性。请参考 图 1 中模型的图形表示。

figure-results-1
图 1:验证性因子分析。 该图说明了在数字工具上执行的验证性因子分析的结果，突出了因子载荷和不同认知处理测量之间的关系。缩写: SIC= Sicole-R;PA= 语音意识;SEG= 分割;BLN= 混合;ISO= 隔离度;DEL= 删除;MO= 形态加工;HOM= 同音字理解;R&S= 根和后缀;SYN= 句法处理;GEN= 性别;NUM= 数字;GRS= 语法结构;FW= 功能词;RC= 阅读理解;EXT= Expositive 文本;NAT= 叙述文本;SP= 语音感知;VOC= 发音的发音;MOA= 发音方式;POA= 关节位置;RAN= 快速自动命名;NUM= 数字 RAN;LET= 字母 RAN;COL= 颜色 RAN;PIC= 图片 RAN。 请单击此处查看此图的较大版本。

测量不变性分析用于检验多媒体电池的因子结构在不同性别之间是否稳定。测量不变性的测试包括一系列模型比较，这些比较定义了越来越严格的相等约束44。我们进行了统计分析，并遵循了与先前 CFA 相同的拟合模型标准。我们依次约束了代表配置、公制（载荷）、标量（截距）和严格（残差）结构的参数45。这些模型中的任何一个拟合不佳都表明被约束的方面对不同的组没有一致的作用。当 χ2D 为 >0.05 且 ΔCFI 为 <0.01 时，共同确定不变性程度。表 3 显示了模型索引的结果摘要以及它们之间的差异。

表 3:不变性模型拟合指数。 下表列出了用于测试模型性别不变性的拟合指数，评估数字工具在男性和女性群体中保持其结构和测量特性一致性的程度。这些指数通过确认该工具在不同性别群体中一致地测量认知过程的能力，确保了该工具的可靠性和有效性。 请点击此处下载此表格。

配置模型仅将模型中变量的相对配置约束为两组中相同，与数据进行了充分拟合:χ2（292） = 745.970，p<.001，CFI = .964，SRMR = 0.034，RMSEA = .036,90% CI （.033，.038）。度量不变性模型将变量的配置和所有因子载荷约束为跨组保持不变。拟合指数与配置模型的拟合指数相当:χ2（310） = 768.56，p<.001，CFI = .963，SRMR = .037，RMSEA = .036,90% CI （.033，.038）。评估模型相似性的无显著性差异检验支持因子载荷的不变性:χ2D （18） = 26.30，p =.09;ΔCFI = .001。在标量不变性模型中，每组的配置、因子载荷和指标均值/截距被约束为相同。拟合指数不太理想:χ2（322） = 787,50，p<.001，CFI = .963，SRMS = .038，RMSEA = .035 （90% CI = .032， .038）。评估模型相似性的差异检验表明存在因子不变性: χ2D（12）=13.00，p = .369;ΔCFI = .001。最后，在严格不变性模型中，每组的配置、因子载荷、指标均值/截距和残差被约束为相同。拟合指数不太理想:χ2（341） =798.20，p<.001，CFI = .961，SRMS = .039，RMSEA = .0035 （90% CI = .032，.038）。评估模型相似性的非显著性差异检验支持严格的不变性:χ2D（11） = 25.81，p<.001;ΔCFI =.002

诊断准确性
为了评估多媒体电池的准确性和鉴别能力，进行了受试者工作特征 （ROC） 分析。ROC 分析有助于确定连续尺度评估测试的最佳阈值（临界值），平衡敏感性（正确识别真阳性的能力）和特异性（正确识别真阴性的能力）。此外，ROC 分析用于评估测试区分 RD 组和 NAR 组的能力。为了进行分析，计算了多媒体电池每项任务的每个等级的 Z 分数。综合分数由 zeta 分数之和组成。使用 R 4.3.141 版进行统计分析和图形表示。使用了 pROC46 和 ggplot242 软件包。在诊断准确性方面，多媒体电池的曲线下面积 （AUC） 为 9439.8 [95% CI: 93.31%-96.24% （DeLong）] 和灵敏度为 91.0 （图 2）。按等级划分的 ROC 曲线显示以下指标:2° 级，AUC= 96.195% [CI: 91.54%-100% （DeLong）]，Se= .96，Sp=.90;3° 级，AUC= 95.3，[95% CI:92.43%-98.18% （DeLong）]，Se=75.70，Sp= 72.34;4° 级，AUC=93.4 [95% CI:90.2%-96.66% （DeLong）]，Se=.92，Sp=.84;5° 级，AUC=95.9 [95% CI:93.11%-98.75% （DeLong）]，Se=.90，Sp=.95;6° 级，AUC=94.4 [95% CI:91.11%-97.69% （DeLong）]，Se=.92，Sp=.91。

figure-results-2
图 2:曲线 ROC 分析。 该图显示了 ROC 曲线分析，该曲线通过绘制各种阈值设置下的真阳性率与假阳性率的关系来显示数字工具的诊断准确性。ROC 曲线的 x 轴的单位是特异性，y 轴的单位是敏感性。缩写: ROC= 受试者工作特征曲线;AUC= 曲线下的面积。 请单击此处查看此图的较大版本。

讨论

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在本研究中，采用验证性因子分析 （CFA） 来评估 Sicole-R 电池的因子结构，包括一个二阶因子和六个代表不同模块的潜在变量。结果表明良好的模型拟合度、收敛效度和可靠性，证实了电池在评估对阅读障碍患者至关重要的一整套认知和阅读技能方面的功效。重要的是，该数字工具在西班牙、墨西哥、危地马拉和智利的不同人口群体中的一致表现表明，它在各个西班牙语地区的教育和临床环境中具有潜在效用。

这项研究通过展示如何使用多媒体电池来有效识别与阅读障碍相关的特定认知缺陷，为文献做出了贡献。该电池能够确定特定的困难领域，例如语音意识、语音感知、命名速度、正字法处理、句法处理和阅读理解，从而能够进行量身定制的干预以有效地满足个别学生的需求。此外，电池在性别之间表现出的一致性强调了它在促进公平评估实践方面的效用，从而支持旨在为所有学生提供平等机会的包容性教育举措。

尽管以前具有相似特征的工具是为在英语中使用而设计的，例如 Fawcett 和 Nicolson17 提出的阅读障碍早期筛查测试 （DEST），它评估了多个领域，但这项研究证明了多媒体电池在不同语言环境中的适用性和有效性。在整个分析过程中，方案中采取了几个关键步骤，以确保结果的准确性和有效性。这些步骤包括数据预处理、模型规范和参数估计，与 Hautala 等人 19 的研究一致，这些研究证明了基于计算机的工具在识别有阅读困难的学生方面的可靠性。此外，其他研究，例如 Protopapas 等人 20 和 Pennington 等人 12 的研究，探索了基于计算机的筛查工具的实施以识别阅读障碍，强调了利用技术增强评估策略的重要性。此外，目前的研究与阅读障碍研究和心理测量评估的最新进展一致，强调了电池在当代背景下的相关性。Jiménez 等人23 和 Guzmán 等人24 进行的研究强调了对针对不同语言背景量身定制的强大评估工具的迫切需求，强调了 Sicole-R 在填补西班牙语人群中这一空白方面的功效。此外，正如 Rauschenberg 等人 6 所讨论的，将数字技术整合到阅读障碍评估中，加强了本研究的因子分析和验证方法中所展示的方法论严谨性。

尽管本研究采用了严格的方法，但重要的是要承认分析中固有的某些局限性。一个限制涉及研究结果的普遍性，因为样本由特定的人口群体组成，这可能会限制结果对更广泛人群的适用性。此外，虽然努力确保性别之间的测量不变性，但分析中没有明确考虑其他人口统计因素，例如年龄或社会经济地位，这可能影响了结果。

未来的研究方向可以探索它对不同西班牙方言的适应，并将其融入更广泛的教育框架，以加强识别策略。展望未来，未来的研究应旨在解决本研究中发现的局限性，例如探索多媒体电池在不同人群中的效用，并调查其在预测长期教育成果方面的纵向效度和预测效度。此外，Jin 等人最近的一篇评论47 强调了一个有前途的未来研究方向，建议结合神经生物技术。他们对科学数据库进行了全面审查，选择了 2018 年至 2023 年间发表的研究。他们的发现表明，神经生物技术评估正在成为推进阅读障碍诊断的一个有前途的趋势。

总之，这项研究的结果强调多媒体电池是教育工作者的宝贵工具，最终促进对阅读障碍学生的更有效支持和改善结果。通过结合这些当代见解，这些发现有助于不断发展的关于阅读障碍评估的讨论，为从业者和研究人员提供了关于有效诊断策略框架的最新观点。据我们所知，这项研究是最早验证专为西班牙语人群量身定制的综合多媒体电池的研究之一，填补了当前可用于阅读障碍的诊断工具中的关键空白。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

上面列出的作者证明，本研究不存在经济利益或其他利益冲突。

致谢

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们衷心感谢 Programa de la Agencia Española de Cooperación con Iberoamérica （AECI） 提供的支持，使技术工具 Sicole-R-Primaria 能够通过项目 Evaluación de procesos cognitivos en la lectura mediante ayuda asistida a través de ordenador en población escolar de educación primaria（阅读中的认知过程评估）适应伊比利亚美洲空间内不同国家的西班牙语变体危地马拉（参考文献:A/3877/05）、厄瓜多尔（参考文献:C/030692/10）、墨西哥（参考文献:A/013941/07）和智利（参考文献:A/7548/07）的小学生人口计算机辅助辅助。此外，我们要衷心感谢美洲开发银行 （IDB） 在伊比利亚美洲国家教育、科学和文化组织 （OEI） 的中介下对巴拿马教育部 （MEDUCA） 的财政支持。这笔资金使 Sicole-R 能够在计算机和平板电脑上使用。我们还感谢在 PN-L1143 计划框架内提供的支持;4357/OC-PN，特别是对辅导员培训和教育资源审查的技术支持。此外，我们感谢外部产品和服务合同 （PEC），该合同旨在提供专门培训，以促进发现、识别和早期干预可能在阅读、写作和数学方面遇到困难的巴拿马学生。对于上述所有项目，第一作者担任首席研究员。

材料

本文使用的材料清单
姓名公司目录编号评论
Sicole-R拉古纳大学TF-263- 07

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. World Federation of Neurology. Report of research group on Dyslexia and world illiteracy. , Dallas. (1968).
  2. Diamanti, V., Goulandris, N., Campbell, R., Protopapas, A. Dyslexia profiles across orthographies differing in transparency: An evaluation of theoretical predictions contrasting English and Greek. Sci Stud Reading. 22 (1), 55-69 (2018).
  3. Shaywitz, S. Overcoming dyslexia: A new and complete science-based program for reading problems at any level. , Alfred A. Knopf. (2003).
  4. Heikki Lyytinen, H., Ronimus, H., Alanko, A., Poikkeus, N. M., Taanila, M. Early identification of dyslexia and the use of computer game-based practice to support reading acquisition. Nordic Psychol. 59 (2), 109-126 (2007).
  5. Tobia, V., Marzocchi, G. M. Cognitive profiles of Italian children with developmental dyslexia. Reading Res Quart. 49 (4), 437-452 (2014).
  6. Rauschenberger, M., Baeza-Yates, R., Rello, L. A universal screening tool for dyslexia by a web-game and machine learning. Front Comput Sci. 3, 628634(2022).
  7. Ekhsan, H. M., Ahmad, S. Z., Halim, S. A., Hamid, J. N., Mansor, N. H. The implementation of interactive multimedia in early screening of dyslexia. Int Conf Innov Mgmt Tech Res. , 566-569 (2012).
  8. Jiménez, J. E. Dyslexia in Spanish. Prevalence and cognitive, cultural, family and biological indicators. , Ediciones Pirámide. Madrid. (2012).
  9. Hatcher, J., Snowling, M. J. The phonological representations hypothesis of dyslexia: From theory to practice. Dyslexia and Literacy, Theory and Practice. , Chichester, John Wiley & Sons. (2002).
  10. Goswami, U. A temporal sampling framework for developmental dyslexia. Trends Cogn Sci. 15 (1), 3-10 (2011).
  11. Stein, J. F. The magnocellular theory of developmental dyslexia. Dyslexia. 7 (1), 12-36 (2001).
  12. Nicolson, R. I., Fawcett, A. J. Development of Dyslexia: The delayed neural commitment framework. Front Behav Neurosci. 21 (13), 112(2001).
  13. Pennington, B. F., et al. Individual prediction of dyslexia by single versus multiple deficit models. J Abnorm Psychol. 121 (1), 212-224 (2012).
  14. Ring, J., Black, J. L. The multiple deficit model of dyslexia: what does it mean for identification and intervention. Ann Dyslexia. 68 (2), 104-125 (2018).
  15. Soriano-Ferrer, M., Nievas-Cazorla, F., Sánchez-López, P., Félix-Mateo, V., González-Torre, J. A. Reading-related cognitive deficits in Spanish developmental Dyslexia. Procedia - Social Behav Sci. 132, 3-9 (2014).
  16. The implementation of a web application for screening children with Dyslexia. Zygouris, N. C., et al. International Conference on Interactive Collaborative Learning, , (2016).
  17. Snowling, M. J., Hulme, C. The Science of Reading: A Handbook. , Wiley-Blackwell. (2021).
  18. Politi-Georgousi, S., Drigas, A. Mobile applications, an emerging powerful tool for Dyslexia screening and intervention: A systematic literature review. Int J Interact Mobile Technol. 14 (18), 4-17 (2020).
  19. Fawcett, A. J., Nicolson, R. I. The Dyslexia early screening test. Irish J Psychol. 16 (3), 248-259 (1995).
  20. Zygouris, N. C., et al. The implementation of a web application for screening children with dyslexia Interactive Collaborative Learning. , Advances in Intelligent Systems and Computing. Cham. (2017).
  21. Hautala, J., et al. Identification of reading difficulties by a digital game-based assessment technology. J Edu Comput Res. 58 (5), 1003-1028 (2020).
  22. Ahmad, N., Rehman, M. B., El Hassan, H. M., Ahmad, I., Rashid, M. An efficient machine learning-based feature optimization model for the detection of dyslexia. Comput Intell Neurosci. 9, 8491753(2022).
  23. Rello, L., Baeza-Yates, R., Ali, A., Bigham, J. P., Serra, M. Predicting risk of dyslexia with an online gamified test. PLoS One. 15 (12), e0241687(2020).
  24. Dębska, A., et al. The cognitive basis of dyslexia in school-aged children: A multiple case study in a transparent orthography. Dev Sci. 25 (2), e13173(2022).
  25. Jiménez, J. E., et al. Discriminant validity of the Sicole-R-Primaria Multimedia Battery for the evaluation of cognitive processes associated with dyslexia. Revista de Investigación Educativa. 27 (1), 49-71 (2009).
  26. Guzmán, R., et al. Assessment of naming speed in reading learning difficulties. Psicothema. 16 (3), 442-447 (2004).
  27. Jiménez, J. E., et al. Is the deficit in phonological awareness better explained in terms of task differences or effects of syllable structure. Appl Psycholinguist. 26 (2), 267-283 (2005).
  28. Ortiz, R., et al. Locus and nature of perceptual phonological deficit in Spanish children with reading disabilities. J Learn Disabil. 40 (1), 80-92 (2007).
  29. Ortiz, R., et al. Development of speech perception in children with dyslexia. Psicothema. 20 (4), 678-683 (2008).
  30. Jiménez, J. E., et al. The Double-deficit hypothesis in Spanish developmental dyslexia. Topics Lang Disorders. 28 (1), 46-60 (2008).
  31. Jiménez, J. E., García de la Cadena, C. Learning disabilities in Guatemala and Spain: A cross-national study of the prevalence and cognitive processes associated with reading and spelling disabilities. Learning Disabilities Res Pract. 22, 161-169 (2007).
  32. Jiménez, J. E., de la Cadena, C. G., Siegel, L. S., O'Shanahan, I., García, E. Gender ratio and cognitive profiles in dyslexia: a cross-national study. Read Writ. 24, 729-747 (2011).
  33. Rodrigo, M., et al. Assessment of orthographic processing in Spanish children with dyslexia: the role of lexical and sublexical units. Revista Electrónica de Investigación Psicoeducativa y Psicopedagógica. 2 (2), 105-126 (2004).
  34. Jiménez, J. E., et al. Evaluation of syntactic-semantic processing in developmental dyslexia. Elect J Res Edu Psychol. 2 (2), 127-142 (2004).
  35. Jiménez, J. E., Rodríguez, C., Ramírez, G. Spanish developmental dyslexia: prevalence, cognitive profile, and home literacy experiences. J Exp Child Psychol. 103 (2), 167-185 (2009).
  36. PROLEC-R. Primary Reading Processes Assessment Battery - Revised. Cuetos, F., Rodríguez, B., Ruano, R., Arribas, A. D. , TEA Ediciones. (2005).
  37. Guzmán, R., Jiménez, J. E. Normative study on psycholinguistic parameters in children aged 6 to 8 years: Subjective familiarity. Cognitiva. 2, 153-191 (2001).
  38. Cohen, P., Cohen, J., Aiken, L., West, S. G. The problem of units and the circumstance for POMP. Multivariate Behav Res. 34, 315-346 (1999).
  39. R Core Team. R: A Language and Environment for Statistical Computing_. R Foundation for Statistical Computing. , Vienna, Austria. (2023).
  40. Rosseel, Y. lavaan: An R package for structural equation modeling. J Stat Software. 48 (2), 1-36 (2012).
  41. Jorgensen, T. D., Pornprasertmanit, S., Schoemann, A. M., Rosseel, Y. semTools: Useful tools for structural equation modeling. , R package version 0.5-6. (2022).
  42. Wickham, H. ggplot2: Elegant graphics for data analysis. , Springer-Verlag. New York. (2016).
  43. Byrne, B. M. Structural equation modeling with AMOS: Basic concepts, applications, and programming. , Third Edition, Taylor & Francis Group. (2016).
  44. Vandenberg, R. J., Lance, C. E. A review and synthesis of the measurement invariance literature: Suggestions, practices, and recommendations for organizational research. Org Res Methods. 3 (1), 4-70 (2000).
  45. Hirschfeld, G., von Brachel, R. Multiple-Group confirmatory factor analysis in R - A tutorial in measurement invariance with continuous and ordinal indicators. Pract Assess Res Eval. 19 (7), 1-12 (2014).
  46. Sachs, M. C. plotROC: A Tool for Plotting ROC Curves. J Stat Softw. 79, 2(2017).
  47. Jing, W., Yu, E. L. X., Motevalli, S. A comparison between cognitive assessment and neurobiology technology assessment of dyslexia: A literature review. Int J Acad Res Busi Soc Sci. 13 (4), 976-986 (2023).

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

SICOLE R

相关文章