Name: Verbesserung der Legasthenie-Bewertung bei Kindern durch computergestützte Tests (Video) | JoVE Journal
Uploaded: 2024-08-16T14:00:00.000+00:00
Duration: 9 min
Description: Erfahren Sie, wie die SICOLE-R Multimedia-Batterie kognitive und Lesefähigkeiten bei spanischsprachigen Kindern bewertet. Diese Methode verbessert die Legasthenie-Diagnostik und ermöglicht personalisierte Bildungsinterventionen.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<meta charset="utf8"></head><body>Computergestützte Legasthenie-Bewertung für spanischsprachige Kinder mit SICOLE-R

<ol><li>World Federation of Neurology. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Report+of+research+group+on+Dyslexia+and+world+illiteracy%22">Report of research group on Dyslexia and world illiteracy</a>. , Dallas. (1968).</li>
<li>Diamanti, V., Goulandris, N., Campbell, R., Protopapas, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dyslexia+profiles+across+orthographies+differing+in+transparency%3A+An+evaluation+of+theoretical+predictions+contrasting+English+and+Greek%5BTitle%5D)+AND+%22Sci+Stud+Reading%22%5BJournal%5D)">Dyslexia profiles across orthographies differing in transparency: An evaluation of theoretical predictions contrasting English and Greek.</a> Sci Stud Reading. 22 (1), 55-69 (2018).</li>
<li>Shaywitz, S. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aShaywitz%2C+S+%22Overcoming+dyslexia%3A+A+new+and+complete+science-based+program+for+reading+problems+at+any+level%22">Overcoming dyslexia: A new and complete science-based program for reading problems at any level</a>. , Alfred A. Knopf. (2003).</li>
<li>Heikki Lyytinen, H., Ronimus, H., Alanko, A., Poikkeus, N. M., Taanila, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Early+identification+of+dyslexia+and+the+use+of+computer+game-based+practice+to+support+reading+acquisition%5BTitle%5D)+AND+%22Nordic+Psychol%22%5BJournal%5D)">Early identification of dyslexia and the use of computer game-based practice to support reading acquisition.</a> Nordic Psychol. 59 (2), 109-126 (2007).</li>
<li>Tobia, V., Marzocchi, G. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cognitive+profiles+of+Italian+children+with+developmental+dyslexia%5BTitle%5D)+AND+%22Reading+Res+Quart%22%5BJournal%5D)">Cognitive profiles of Italian children with developmental dyslexia.</a> Reading Res Quart. 49 (4), 437-452 (2014).</li>
<li>Rauschenberger, M., Baeza-Yates, R., Rello, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+universal+screening+tool+for+dyslexia+by+a+web-game+and+machine+learning%5BTitle%5D)+AND+%22Front+Comput+Sci%22%5BJournal%5D)">A universal screening tool for dyslexia by a web-game and machine learning.</a> Front Comput Sci. 3, 628634(2022).</li>
<li>Ekhsan, H. M., Ahmad, S. Z., Halim, S. A., Hamid, J. N., Mansor, N. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+implementation+of+interactive+multimedia+in+early+screening+of+dyslexia%5BTitle%5D)+AND+%22Int+Conf+Innov+Mgmt+Tech+Res%22%5BJournal%5D)">The implementation of interactive multimedia in early screening of dyslexia.</a> Int Conf Innov Mgmt Tech Res. , 566-569 (2012).</li>
<li>Jiménez, J. E. Dyslexia in Spanish. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aJim%C3%A9nez%2C+JE+%22Prevalence+and+cognitive%2C+cultural%2C+family+and+biological+indicators%22">Prevalence and cognitive, cultural, family and biological indicators</a>. , Ediciones Pirámide. Madrid. (2012).</li>
<li>Hatcher, J., Snowling, M. J. The phonological representations hypothesis of dyslexia: From theory to practice. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHatcher%2C+J+%22Dyslexia+and+Literacy%2C+Theory+and+Practice%22">Dyslexia and Literacy, Theory and Practice</a>. , Chichester, John Wiley & Sons. (2002).</li>
<li>Goswami, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+temporal+sampling+framework+for+developmental+dyslexia%5BTitle%5D)+AND+%22Trends+Cogn+Sci%22%5BJournal%5D)">A temporal sampling framework for developmental dyslexia.</a> Trends Cogn Sci. 15 (1), 3-10 (2011).</li>
<li>Stein, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+magnocellular+theory+of+developmental+dyslexia%5BTitle%5D)+AND+%22Dyslexia%22%5BJournal%5D)">The magnocellular theory of developmental dyslexia.</a> Dyslexia. 7 (1), 12-36 (2001).</li>
<li>Nicolson, R. I., Fawcett, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+Dyslexia%3A+The+delayed+neural+commitment+framework%5BTitle%5D)+AND+%22Front+Behav+Neurosci%22%5BJournal%5D)">Development of Dyslexia: The delayed neural commitment framework.</a> Front Behav Neurosci. 21 (13), 112(2001).</li>
<li>Pennington, B. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Individual+prediction+of+dyslexia+by+single+versus+multiple+deficit+models%5BTitle%5D)+AND+%22J+Abnorm+Psychol%22%5BJournal%5D)">Individual prediction of dyslexia by single versus multiple deficit models.</a> J Abnorm Psychol. 121 (1), 212-224 (2012).</li>
<li>Ring, J., Black, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+multiple+deficit+model+of+dyslexia%3A+what+does+it+mean+for+identification+and+intervention%5BTitle%5D)+AND+%22Ann+Dyslexia%22%5BJournal%5D)">The multiple deficit model of dyslexia: what does it mean for identification and intervention.</a> Ann Dyslexia. 68 (2), 104-125 (2018).</li>
<li>Soriano-Ferrer, M., Nievas-Cazorla, F., Sánchez-López, P., Félix-Mateo, V., González-Torre, J. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reading-related+cognitive+deficits+in+Spanish+developmental+Dyslexia%5BTitle%5D)+AND+%22Procedia+-+Social+Behav+Sci%22%5BJournal%5D)">Reading-related cognitive deficits in Spanish developmental Dyslexia.</a> Procedia - Social Behav Sci. 132, 3-9 (2014).</li>
<li>The implementation of a web application for screening children with Dyslexia. Zygouris, N. C., et al. International Conference on Interactive Collaborative Learning, , (2016).</li>
<li>Snowling, M. J., Hulme, C. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSnowling%2C+MJ+%22The+Science+of+Reading%3A+A+Handbook%22">The Science of Reading: A Handbook</a>. , Wiley-Blackwell. (2021).</li>
<li>Politi-Georgousi, S., Drigas, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mobile+applications%2C+an+emerging+powerful+tool+for+Dyslexia+screening+and+intervention%3A+A+systematic+literature+review%5BTitle%5D)+AND+%22Int+J+Interact+Mobile+Technol%22%5BJournal%5D)">Mobile applications, an emerging powerful tool for Dyslexia screening and intervention: A systematic literature review.</a> Int J Interact Mobile Technol. 14 (18), 4-17 (2020).</li>
<li>Fawcett, A. J., Nicolson, R. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Dyslexia+early+screening+test%5BTitle%5D)+AND+%22Irish+J+Psychol%22%5BJournal%5D)">The Dyslexia early screening test.</a> Irish J Psychol. 16 (3), 248-259 (1995).</li>
<li>Zygouris, N. C., et al. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aZygouris%2C+NC+%22The+implementation+of+a+web+application+for+screening+children+with+dyslexia+Interactive+Collaborative+Learning%22">The implementation of a web application for screening children with dyslexia Interactive Collaborative Learning</a>. , Advances in Intelligent Systems and Computing. Cham. (2017).</li>
<li>Hautala, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+reading+difficulties+by+a+digital+game-based+assessment+technology%5BTitle%5D)+AND+%22J+Edu+Comput+Res%22%5BJournal%5D)">Identification of reading difficulties by a digital game-based assessment technology.</a> J Edu Comput Res. 58 (5), 1003-1028 (2020).</li>
<li>Ahmad, N., Rehman, M. B., El Hassan, H. M., Ahmad, I., Rashid, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+efficient+machine+learning-based+feature+optimization+model+for+the+detection+of+dyslexia%5BTitle%5D)+AND+%22Comput+Intell+Neurosci%22%5BJournal%5D)">An efficient machine learning-based feature optimization model for the detection of dyslexia.</a> Comput Intell Neurosci. 9, 8491753(2022).</li>
<li>Rello, L., Baeza-Yates, R., Ali, A., Bigham, J. P., Serra, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+risk+of+dyslexia+with+an+online+gamified+test%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Predicting risk of dyslexia with an online gamified test.</a> PLoS One. 15 (12), e0241687(2020).</li>
<li>Dębska, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+cognitive+basis+of+dyslexia+in+school-aged+children%3A+A+multiple+case+study+in+a+transparent+orthography%5BTitle%5D)+AND+%22Dev+Sci%22%5BJournal%5D)">The cognitive basis of dyslexia in school-aged children: A multiple case study in a transparent orthography.</a> Dev Sci. 25 (2), e13173(2022).</li>
<li>Jiménez, J. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Discriminant+validity+of+the+Sicole-R-Primaria+Multimedia+Battery+for+the+evaluation+of+cognitive+processes+associated+with+dyslexia%5BTitle%5D)+AND+%22Revista+de+Investigaci%C3%B3n+Educativa%22%5BJournal%5D)">Discriminant validity of the Sicole-R-Primaria Multimedia Battery for the evaluation of cognitive processes associated with dyslexia.</a> Revista de Investigación Educativa. 27 (1), 49-71 (2009).</li>
<li>Guzmán, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+naming+speed+in+reading+learning+difficulties%5BTitle%5D)+AND+%22Psicothema%22%5BJournal%5D)">Assessment of naming speed in reading learning difficulties.</a> Psicothema. 16 (3), 442-447 (2004).</li>
<li>Jiménez, J. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Is+the+deficit+in+phonological+awareness+better+explained+in+terms+of+task+differences+or+effects+of+syllable+structure%5BTitle%5D)+AND+%22Appl+Psycholinguist%22%5BJournal%5D)">Is the deficit in phonological awareness better explained in terms of task differences or effects of syllable structure.</a> Appl Psycholinguist. 26 (2), 267-283 (2005).</li>
<li>Ortiz, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Locus+and+nature+of+perceptual+phonological+deficit+in+Spanish+children+with+reading+disabilities%5BTitle%5D)+AND+%22J+Learn+Disabil%22%5BJournal%5D)">Locus and nature of perceptual phonological deficit in Spanish children with reading disabilities.</a> J Learn Disabil. 40 (1), 80-92 (2007).</li>
<li>Ortiz, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+speech+perception+in+children+with+dyslexia%5BTitle%5D)+AND+%22Psicothema%22%5BJournal%5D)">Development of speech perception in children with dyslexia.</a> Psicothema. 20 (4), 678-683 (2008).</li>
<li>Jiménez, J. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Double-deficit+hypothesis+in+Spanish+developmental+dyslexia%5BTitle%5D)+AND+%22Topics+Lang+Disorders%22%5BJournal%5D)">The Double-deficit hypothesis in Spanish developmental dyslexia.</a> Topics Lang Disorders. 28 (1), 46-60 (2008).</li>
<li>Jiménez, J. E., García de la Cadena, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Learning+disabilities+in+Guatemala+and+Spain%3A+A+cross-national+study+of+the+prevalence+and+cognitive+processes+associated+with+reading+and+spelling+disabilities%5BTitle%5D)+AND+%22Learning+Disabilities+Res+Pract%22%5BJournal%5D)">Learning disabilities in Guatemala and Spain: A cross-national study of the prevalence and cognitive processes associated with reading and spelling disabilities.</a> Learning Disabilities Res Pract. 22, 161-169 (2007).</li>
<li>Jiménez, J. E., de la Cadena, C. G., Siegel, L. S., O'Shanahan, I., García, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gender+ratio+and+cognitive+profiles+in+dyslexia%3A+a+cross-national+study%5BTitle%5D)+AND+%22Read+Writ%22%5BJournal%5D)">Gender ratio and cognitive profiles in dyslexia: a cross-national study.</a> Read Writ. 24, 729-747 (2011).</li>
<li>Rodrigo, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+orthographic+processing+in+Spanish+children+with+dyslexia%3A+the+role+of+lexical+and+sublexical+units%5BTitle%5D)+AND+%22Revista+Electr%C3%B3nica+de+Investigaci%C3%B3n+Psicoeducativa+y+Psicopedag%C3%B3gica%22%5BJournal%5D)">Assessment of orthographic processing in Spanish children with dyslexia: the role of lexical and sublexical units.</a> Revista Electrónica de Investigación Psicoeducativa y Psicopedagógica. 2 (2), 105-126 (2004).</li>
<li>Jiménez, J. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+syntactic-semantic+processing+in+developmental+dyslexia%5BTitle%5D)+AND+%22Elect+J+Res+Edu+Psychol%22%5BJournal%5D)">Evaluation of syntactic-semantic processing in developmental dyslexia.</a> Elect J Res Edu Psychol. 2 (2), 127-142 (2004).</li>
<li>Jiménez, J. E., Rodríguez, C., Ramírez, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spanish+developmental+dyslexia%3A+prevalence%2C+cognitive+profile%2C+and+home+literacy+experiences%5BTitle%5D)+AND+%22J+Exp+Child+Psychol%22%5BJournal%5D)">Spanish developmental dyslexia: prevalence, cognitive profile, and home literacy experiences.</a> J Exp Child Psychol. 103 (2), 167-185 (2009).</li>
<li><a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22PROLEC-R.+Primary+Reading+Processes+Assessment+Battery+-+Revised%22">PROLEC-R. Primary Reading Processes Assessment Battery - Revised</a>. Cuetos, F., Rodríguez, B., Ruano, R., Arribas, A. D. , TEA Ediciones. (2005).</li>
<li>Guzmán, R., Jiménez, J. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Normative+study+on+psycholinguistic+parameters+in+children+aged+6+to+8+years%3A+Subjective+familiarity%5BTitle%5D)+AND+%22Cognitiva%22%5BJournal%5D)">Normative study on psycholinguistic parameters in children aged 6 to 8 years: Subjective familiarity.</a> Cognitiva. 2, 153-191 (2001).</li>
<li>Cohen, P., Cohen, J., Aiken, L., West, S. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+problem+of+units+and+the+circumstance+for+POMP%5BTitle%5D)+AND+%22Multivariate+Behav+Res%22%5BJournal%5D)">The problem of units and the circumstance for POMP.</a> Multivariate Behav Res. 34, 315-346 (1999).</li>
<li>R Core Team. R: A Language and Environment for Statistical Computing_. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22R+Foundation+for+Statistical+Computing%22">R Foundation for Statistical Computing</a>. , Vienna, Austria. (2023).</li>
<li>Rosseel, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((lavaan%3A+An+R+package+for+structural+equation+modeling%5BTitle%5D)+AND+%22J+Stat+Software%22%5BJournal%5D)">lavaan: An R package for structural equation modeling.</a> J Stat Software. 48 (2), 1-36 (2012).</li>
<li>Jorgensen, T. D., Pornprasertmanit, S., Schoemann, A. M., Rosseel, Y. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aJorgensen%2C+TD+%22semTools%3A+Useful+tools+for+structural+equation+modeling%22">semTools: Useful tools for structural equation modeling</a>. , R package version 0.5-6. (2022).</li>
<li>Wickham, H. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aWickham%2C+H+%22ggplot2%3A+Elegant+graphics+for+data+analysis%22">ggplot2: Elegant graphics for data analysis</a>. , Springer-Verlag. New York. (2016).</li>
<li>Byrne, B. M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aByrne%2C+BM+%22Structural+equation+modeling+with+AMOS%3A+Basic+concepts%2C+applications%2C+and+programming%22">Structural equation modeling with AMOS: Basic concepts, applications, and programming</a>. , Third Edition, Taylor & Francis Group. (2016).</li>
<li>Vandenberg, R. J., Lance, C. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+and+synthesis+of+the+measurement+invariance+literature%3A+Suggestions%2C+practices%2C+and+recommendations+for+organizational+research%5BTitle%5D)+AND+%22Org+Res+Methods%22%5BJournal%5D)">A review and synthesis of the measurement invariance literature: Suggestions, practices, and recommendations for organizational research.</a> Org Res Methods. 3 (1), 4-70 (2000).</li>
<li>Hirschfeld, G., von Brachel, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multiple-Group+confirmatory+factor+analysis+in+R+-+A+tutorial+in+measurement+invariance+with+continuous+and+ordinal+indicators%5BTitle%5D)+AND+%22Pract+Assess+Res+Eval%22%5BJournal%5D)">Multiple-Group confirmatory factor analysis in R - A tutorial in measurement invariance with continuous and ordinal indicators.</a> Pract Assess Res Eval. 19 (7), 1-12 (2014).</li>
<li>Sachs, M. C. plotROC: A Tool for Plotting ROC Curves. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSachs%2C+MC+%22J+Stat+Softw%22">J Stat Softw</a>. 79, 2(2017).</li>
<li>Jing, W., Yu, E. L. X., Motevalli, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+between+cognitive+assessment+and+neurobiology+technology+assessment+of+dyslexia%3A+A+literature+review%5BTitle%5D)+AND+%22Int+J+Acad+Res+Busi+Soc+Sci%22%5BJournal%5D)">A comparison between cognitive assessment and neurobiology technology assessment of dyslexia: A literature review.</a> Int J Acad Res Busi Soc Sci. 13 (4), 976-986 (2023).</li>
</ol>

<table><tbody><tr><td>Sicole-R</td><td>Universidad de La Laguna</td><td>TF-263- 07</td><td></td></tr></tbody></table>

verbesserung der legasthenie-bewertung bei kindern durch computergestützte tests

Advancing Dyslexia Assessment in Children Through Computerized Testing

Beispielstudie Die Stichprobe umfasste 881 Teilnehmer aus Spanien (N = 325), Mexiko (N = 169), Guatemala (N = 227) und Chile (N = 160), die alle spanische Muttersprachler waren. Die Stichprobe wurde in zwei Gruppen eingeteilt: 451 in der Gruppe mit Lesebehinderung (RD) und 430 in der Gruppe der normal tätigen Leser (NAR). Kinder mit sonderpädagogischem Förderbedarf, d. h. solche, die aufgrund von sensorischen Beeinträchtigungen, neurologischen Problemen oder anderen Erkrankungen Unterstützung und besondere pädagogische Aufmerksamkeit benötigen, wurden ausgeschlossen, da diese Faktoren in der Regel als Ausschlusskriterien für Lernbehinderungen oder schwere Verhaltensstörungen herangezogen werden, entweder vorübergehend oder für die Dauer ihrer Schulzeit. Die Teilnehmer in der RD-Gruppe wurden auf der Grundlage von Kriterien wie einem IQ von 80 oder mehr, einem Perzentil zur Messung der Wortlesezeit über dem 75. Perzentil, einem Perzentil zur Messung der Pseudowortlesezeit über dem 75. Perzentil oder einem Perzentil zur Messung der Lesegenauigkeit von Pseudowörtern unter dem 25. Perzentil ausgewählt. In ähnlicher Weise wurde die NAR-Gruppe auf der Grundlage vergleichbarer Kriterien ausgewählt, wobei ein Perzentil der PROLEC36-Verständnisaufgabe über dem 25. Perzentil hinzugefügt wurde. Alle Perzentile wurden entsprechend den Notstufen der Teilnehmer bestimmt. Die Einteilung der Teilnehmer in diese Gruppen stützte sich auf Aufgaben des Wortlesens und des Pseudowortlesens, die jeweils aus separaten Blöcken bestanden. In beiden Blöcken wurden die Teilnehmer angewiesen, die präsentierten verbalen Reize so schnell wie möglich laut vorzulesen. Der Wortleseblock umfasste 32 Stimuli, während der Pseudowortleseblock 48 Stimuli enthielt. Die Vertrautheit der Wörter wurde anhand von Kriterien kontrolliert, die von Guzmán und Jiménez37 skizziert wurden. Es wurden Messungen von Treffern, Fehlern und Latenzzeiten aufgezeichnet, wobei die Latenzzeiten vom Erscheinen jedes Elements bis zum Beginn der Stimmwiedergabe des Schülers gemessen wurden. Der Wortleseblock zeigte eine hohe interne Konsistenz (α = 0,89), während der Pseudowort-Leseblock eine noch größere interne Konsistenz aufwies (α = 0,91). Die Verteilung der Schülerinnen und Schüler mit RD und NAR auf die verschiedenen Klassenstufen stellte sich wie folgt dar: In der zweiten Klasse gab es 30 NAR- und 27 RD-Schülerinnen und Schüler. Beim Übergang in die dritte Klasse wurden 100 NARs neben 88 RD-Schülern beobachtet. Die vierte Klasse umfasste 100 NAR- und 116 RD-Schüler. In der fünften Klasse gab es 100 NAR- und 116 RD-Schüler, während es in der sechsten Klasse 100 NAR- und 104 RD-Schüler waren. Um Altersunterschiede in der Gesamtstichprobe und innerhalb jeder Klassenstufe zu bewerten, wurden Einweg-ANOVA-Tests durchgeführt. Die Ergebnisse zeigten keine signifikanten Unterschiede, alle p-Werte lagen über 0,05. In ähnlicher Weise wurde die Verteilung der Variablen Geschlecht mit dem Chi-Quadrat-Test untersucht, wobei alle p-Werte ebenfalls über 0,05 lagen.
Deskriptive Statistik Tabelle 1 zeigt die deskriptive Statistik (Mittelwert und Standardabweichung) für das Alter und die Bewertungsmaße. Die Daten sind nach Geschlecht kategorisiert, wobei zwischen normal erfolgreichen Lesern und Menschen mit Lesebehinderungen in verschiedenen Ländern unterschieden wird. Die Ergebnisse zeigten positive und statistisch signifikante Korrelationen zwischen einer Vielzahl von Assessment-Maßnahmen (siehe Tabelle 2). Die Tabelle zeigt Korrelationen zwischen den Kennzahlen, die von schwach bis stark reichen. Korrelationen von weniger als 0,3 gelten als schwach, während Korrelationen von mehr als 0,5 als stark eingestuft werden. Spezifische Korrelationswerte werden neben den jeweiligen Festigkeitsklassen bereitgestellt. Zu den schwachen Korrelationen (r &lt; 0,3) gehörten beispielsweise die der Blending-Segmentierung (r = 0,354) und des Deletions-Homophon-Verständnisses (r = 0,270). Moderate Korrelationen (0,3 ≤ r &lt; 0,5) wurden zwischen der grammatikalischen Struktur-Zahl (r = 0,463) und der funktionalen Wortgrammatikstruktur (r = 0,512) beobachtet. Starke Korrelationen (r ≥ 0,5) sind für Zahlen-Geschlecht (r = 0,642) und Bild-RAN-Color RAN (r = 0,442) offensichtlich.
Tabelle 1: Deskriptive Statistik der Maßnahmen. Diese Tabelle enthält den Mittelwert, die Standardabweichung und andere deskriptive Statistiken für die verschiedenen Messwerte, die im digitalen Tool enthalten sind. ALTER: Alter; NAR: Normalerweise Leser erreichen; RD: Lesebehinderung ; SEG: Segmentierung; BLN: Mischen; ISO: Phonem-Isolierung; DEL: Phonem-Löschung; HOM: Homophones Verständnis; R&amp;S: Wurzel &amp; Suffixe; GEN: Geschlecht; NUM: Nummer; FW: Funktionale Wörter; GRS: Grammatikalische Struktur; EXT: Expositivtext ; NAT: Erzählender Text ; VOC: Intonation der Artikulation; MOA: Art der Artikulation; POA= Ort der Artikulation; DIG: Digit RAN; LET: Buchstabe gelaufen; COL: Color RAN; PIC: Picture RAN <a href="https://www.jove.com/files/ftp_upload/67031/Table_1_RE.xlsx" target="_blank">Bitte klicken Sie hier, um diese Tabelle herunterzuladen.</a>
Tabelle 2: Korrelationskoeffizienten der Messgrößen. Diese Tabelle zeigt die Korrelationskoeffizienten zwischen verschiedenen Kennzahlen des digitalen Tools und gibt die Stärke und Richtung der Beziehungen zwischen diesen Kennzahlen an. SEG: Segmentierung; BLN: Mischen; ISO: Phonem-Isolierung; DEL: Phonem-Löschung; HOM: Homophones Verständnis; R&amp;S: Wurzel &amp; Suffixe; GEN: Geschlecht; NUM: Nummer; GRS: Grammatikalische Struktur; FW: Funktionale Wörter; EXT: Expositivtext ; NAT: Erzählender Text ; VOC: Intonation der Artikulation; MOA: Art der Artikulation; POA= Ort der Artikulation; DIG: Digit RAN; LET: Buchstabe gelaufen; COL: Color RAN; PIC: Bild RAN. <a href="https://www.jove.com/files/ftp_upload/67031/Table%202_RE.xlsx" target="_blank">Bitte klicken Sie hier, um diese Tabelle herunterzuladen.</a>
Konfirmatorische Faktorenanalyse Es wurde eine CFA durchgeführt, um die vorgeschlagene Faktorstruktur der Multimedia-Batterie zu bewerten. Das Modell umfasst einen Faktor zweiter Ordnung und sechs latente Variablen, die jeweils unterschiedliche Module der Multimedia-Batterie repräsentieren. Zu diesen Konstrukten gehören phonologisches Bewusstsein (einschließlich phonemischer Segmentierungs-, Isolations-, Misch- und Löschaufgaben), morpho-orthographisches Modul (mit Wurzel- und Suffixen und homophonen Verständnisaufgaben), Syntax (bestehend aus Geschlecht, Zahl, grammatikalischer Struktur und funktionalen Wortaufgaben), Sprachwahrnehmung (einschließlich Stimmgabe, Artikulationsart und Ort der Artikulationsaufgaben), Leseverständnis (einschließlich expositiver Text- und narrativer Textverständnisaufgaben) und schnelle Automatisierte Benennung (Aufgaben zu Buchstaben, Farben, Ziffern und Bildern aus der RAN-Aufgabe). Um die Konsistenz aller Aufgaben in der Multimedia-Batterie (von 0 bis 1) zu gewährleisten, haben wir die Schätzung des Anteils der maximalen Skalierung (POMS) verwendet. POMS-Scores wurden für die zeitbasierten Aufgaben (Wurzeln und Suffixe) berechnet38.
Statistische Analysen und grafische Darstellungen wurden mit der R-Version 4.3.139 unter Verwendung der Pakete lavaan40, semTools41 und ggplot242 durchgeführt. Die Modellanpassung wurde anhand verschiedener Goodness-of-Fit-Indizes bewertet. Obwohl die Chi-Quadrat-Güte der Anpassung signifikant war, χ2(df) = 632,01, p &lt; 0,001, was auf eine Diskrepanz zwischen dem hypothetischen Modell und den beobachteten Daten hindeutet, ist es wichtig zu beachten, dass der Chi-Quadrat-Test empfindlich auf die Stichprobengröße43 reagiert. Daher wurden zusätzliche Fit-Indizes berücksichtigt.
Der Comparative Fit Index (CFI) ergab einen Wert von 0,961 und lag damit über dem allgemein akzeptierten Schwellenwert von 0,95 und deutet auf eine gute Anpassung an die Daten hin. Der mittlere quadratische Approximationsfehler (RMSEA) betrug 0,038, was auf eine enge Anpassung des Modells an die Daten hinweist. Das standardisierte mittlere quadratische Residuum (SRMR) lag bei 0,034 und damit unter dem empfohlenen Wert von 0,05, was auf eine ideale Anpassung hindeutet. Die Faktorbelastungen für die Items reichten von 0,36 bis 0,81, was auf signifikante Belastungen, die auf ihre jeweiligen Faktoren hindeuten. Die gesamte durchschnittlich extrahierte Varianz (AVE) überstieg 0,50, was auf eine angemessene konvergente Validität hindeutet, und die Gesamtreliabilität (CR) lag über 0,80, was auf eine gute interne Konsistenzreliabilität hindeutet.
Zusammenfassend lässt sich sagen, dass die Ergebnisse des CFA die vorgeschlagene Faktorstruktur unterstützen und eine gute Modellanpassung, konvergente Validität und Zuverlässigkeit zeigen. Bitte beachten Sie die grafische Darstellung des Modells in Abbildung 1.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/67031/67031fig01.jpg"> Abbildung 1: Konfirmatorische Faktorenanalyse. Diese Abbildung veranschaulicht die Ergebnisse der konfirmatorischen Faktorenanalyse, die mit dem digitalen Tool durchgeführt wurde, und hebt die Faktorbelastungen und die Beziehungen zwischen verschiedenen kognitiven Verarbeitungsmaßen hervor. Abkürzungen: SIC= Sicole-R; PA= Phonologisches Bewusstsein; SEG= Segmentierung; BLN= Mischen; ISO= Isolierung; DEL= Löschung; MO= Morphologische Verarbeitung; HOM= Homophones Verständnis; R&amp;S= Wurzel und Suffixe; SYN= Syntaktische Verarbeitung; GEN= Geschlecht; NUM= Zahl; GRS= Grammatikalische Struktur; FW= Funktionale Wörter; RC= Leseverständnis; EXT= Expositiver Text; NAT= Erzählender Text; SP= Sprachwahrnehmung; VOC= Intonation der Artikulation; MOA= Art der Artikulation; POA= Ort der Artikulation; RAN = Schnelle automatisierte Benennung; NUM= Nummer RAN; LET= Buchstabe RAN; COL= Farbe RAN; PIC= Bild RAN. <a href="https://www.jove.com/files/ftp_upload/67031/67031fig01large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
Mit Hilfe von Messinvarianzanalysen wurde getestet, ob die Faktorenstruktur der Multimedia-Batterie geschlechterübergreifend stabil ist. Die Prüfung auf Messinvarianz besteht aus einer Reihe von Modellvergleichen, die immer strengere Gleichheitsbedingungen definieren44. Wir führten die statistischen Analysen durch und folgten den gleichen Fit-Model-Kriterien wie beim vorherigen CFA. Wir haben sukzessive Parameter beschränkt, die die konfiguralen, metrischen (Belastungen), skalaren (Schnittpunkte) und strikten (Residuen) Strukturendarstellen 45. Eine schlechte Anpassung in einem dieser Modelle deutet darauf hin, dass der Aspekt, der eingeschränkt wird, für die verschiedenen Gruppen nicht konsistent funktioniert. Der Grad der Invarianz wurde gemeinsam bestimmt, wenn χ2D &gt;0,05 und ΔCFI &lt;0,01 betrug. Eine Zusammenfassung der Ergebnisse der Indizes der Modelle und der Unterschiede zwischen ihnen ist in Tabelle 3 dargestellt.
Tabelle 3: Invarianz-Modellanpassungsindizes. In dieser Tabelle sind die Fit-Indizes zum Testen der Geschlechtsinvarianz des Modells dargestellt und es wird bewertet, wie gut das digitale Tool die Konsistenz seiner Struktur und Messeigenschaften in männlichen und weiblichen Gruppen beibehält. Diese Indizes stellen die Zuverlässigkeit und Validität des Tools sicher, indem sie seine Fähigkeit bestätigen, kognitive Prozesse konsistent über verschiedene Geschlechtergruppen hinweg zu messen. <a href="https://www.jove.com/files/ftp_upload/67031/Table%203_RE.xlsx" target="_blank">Bitte klicken Sie hier, um diese Tabelle herunterzuladen.</a>
Das Konfigurationsmodell, das nur die relative Konfiguration der Variablen im Modell darauf beschränkte, in beiden Gruppen gleich zu sein, hatte eine angemessene Anpassung an die Daten: χ2(292) = 745,970, p&lt;,001, CFI = 0,964, SRMR = 0,034, RMSEA = 0,036, 90% KI (0,033, 0,038). Das Modell der metrischen Invarianz schränkte die Konfiguration von Variablen und aller Faktorladungen so ein, dass sie gruppenübergreifend konstant sind. Die Fit-Indizes waren vergleichbar mit denen des konfigurativen Modells: χ2(310) = 768,56, p&lt;,001, CFI = 0,963, SRMR = 0,037, RMSEA = 0,036, 90%-KI (0,033, 0,038). Die Invarianz der Faktorladungen wurde durch die nichtsignifikanten Differenzentests gestützt, die die Modellähnlichkeit bewerteten: χ2D (18) = 26,30, p = 0,09; ΔCFI = 0,001. Im skalaren Invarianzmodell wurden die Konfiguration, die Faktorladungen und die Mittelwerte/Schnittpunkte des Indikators so eingeschränkt, dass sie für jede Gruppe gleich sind. Die Fit-Indizes waren nicht ideal: χ2(322) = 787,50, p&lt;.001, CFI = .963, SRMS = .038, RMSEA = .035 (90% CI = .032, .038). Die Differenztests, die die Modellähnlichkeit bewerteten, deuteten darauf hin, dass es eine faktorielle Invarianz gab: χ2D(12)=13,00, p = .369; ΔCFI = 0,001. Schließlich wurden im Modell der strikten Invarianz die Konfiguration, die Faktorladungen, die Mittelwerte/Schnittpunkte der Indikatoren und die Residuen so eingeschränkt, dass sie für jede Gruppe gleich sind. Die Fit-Indizes waren nicht ideal: χ2(341) = 798,20, p&lt;,001, CFI = 0,961, SRMS = 0,039, RMSEA = 0,0035 (90% CI = 0,032, 0,038). Die strikte Invarianz wurde durch die nicht-signifikanten Differenzentests unterstützt, die die Modellähnlichkeit bewerteten: χ2D(11) = 25,81, p&lt;,001; ΔCFI = 0,002
Diagnostische Genauigkeit Um die Genauigkeit und Unterscheidungsfähigkeit der Multimedia-Batterie zu bewerten, wurden ROC-Analysen (Receiver Operating Characteristic) durchgeführt. Die ROC-Analyse hilft bei der Bestimmung des optimalen Schwellenwerts (Cutoff-Wert) für einen kontinuierlichen Assessment-Test und balanciert Sensitivität (Fähigkeit, richtig positive Ergebnisse korrekt zu identifizieren) und Spezifität (Fähigkeit, richtig negative Ergebnisse korrekt zu identifizieren). Darüber hinaus wurde die ROC-Analyse verwendet, um die Fähigkeit des Tests zur Unterscheidung zwischen der RD- und der NAR-Gruppe zu bewerten. Um die Analyse durchzuführen, wurden für jede Aufgabe der Multimedia-Batterie Z-Werte pro Note berechnet. Der Omnibus-Score setzte sich aus der Summe der Zeta-Scores zusammen. Statistische Analysen und grafische Darstellungen wurden mit der R-Version 4.3.141 durchgeführt. Es wurden die Pakete pROC46 und ggplot242 verwendet. In Bezug auf die diagnostische Genauigkeit wies die Multimedia-Batterie eine Fläche unter der Kurve (AUC) von 9439,8 [95%-KI: 93,31%-96,24% (DeLong)] und eine Sensitivität von 91,0 auf (Abbildung 2). Die ROC-Kurven nach Grad zeigten die folgenden Indizes: 2° Klasse, AUC= 96,195% [KI: 91,54%-100% (DeLong)], Se = 0,96, Sp=0,90; 3° Gehalt, AUC = 95,3, [95 % KI: 92,43 %-98,18 % (DeLong)], Se = 75,70, Sp = 72,34; 4° Klasse, AUC = 93,4 [95 % KI: 90,2 %-96,66 % (DeLong)], Se = 0,92, Sp = 0,84; 5° Grad, AUC = 95,9 [95 % KI: 93,11 %-98,75 % (DeLong)], Se = 0,90, Sp = 0,95; 6° Grad, AUC = 94,4 [95 % KI: 91,11 %-97,69 % (DeLong)], Se = 0,92, Sp = 0,91.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/67031/67031fig02.jpg"> Abbildung 2: Kurven-ROC-Analyse. Diese Abbildung zeigt die ROC-Kurvenanalyse, die die diagnostische Genauigkeit des digitalen Tools zeigt, indem die Richtig-Positiv-Rate gegen die Falsch-Positiv-Rate bei verschiedenen Schwellenwerten aufgetragen wird. Die Einheiten für die x-Achse der ROC-Kurve sind die Spezifität und die Einheiten für die y-Achse sind die Sensitivität. Abkürzungen: ROC= Betriebskennlinie des Empfängers; AUC= Fläche unter der Kurve. <a href="https://www.jove.com/files/ftp_upload/67031/67031fig02large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>

Verbesserung der Legasthenie-Bewertung bei Kindern durch computergestützte Tests

The acquisition of reading skills is an intricate process that demands the cultivation of various domain-general and domain-specific abilities. ...

advancing-dyslexia-assessment-in-children-through-computerized-testing

Research

Forschung

JoVE Journal

Behavior

Verhalten

Hier präsentieren wir Ihnen ein Protokoll zur adaptiven Tests Computersystem der funktionale Bewertung des Schlaganfalls (CAT-FAS) zu entwickeln. Der CAT-FAS können gleichzeitig vier Funktionen (zwei motorischen Funktionen [oberen und unteren Extremitäten], posturale Kontrolle und grundlegende Aktivitäten des täglichen Lebens) mit ausreichender Zuverlässigkeit und Effizienz der Verwaltung beurteilen.

EDV-adaptiven Testsystem funktionale Bewertung des Schlaganfalls

Diese Arbeit stellt ein Protokoll zur Verwaltung spanischer Curriculum-basierter Maßnahmen zur Früherkennung von Lese-, Mathematik- und Schreibschwierigkeiten vor. Diese Instrumente könnten Praktikern und angewandten Forschern helfen, die im Rahmen des Modells "Reaktion auf Intervention" arbeiten.

Universelles Screening zur Prävention von Lese-, Schreib- und Mathebehinderungen auf Spanisch

Diese Forschung enthält ein vorgeschlagenes Protokoll zur Identifizierung von Legasthenie. Das Protokoll basiert auf Diagnose und Reaktion auf Interventionsmodelle. Der Vorschlag sieht die Verwendung strukturierter Interviews und standardisierter Tests zur Beurteilung der Lese- und Schreibleistung und der bestimmenden Faktoren vor.

Beurteilung von Dyslexie im Alter von sechs Jahren

BM-PROMA ist ein gültiges und zuverlässiges Multimedia-Diagnosewerkzeug, das ein vollständiges kognitives Profil von Kindern mit mathematischen Lernbehinderungen liefern kann.

Multimedia-Batterie zur Beurteilung kognitiver und grundlegender Fähigkeiten in mathematik (BM-PROMA)

Dieses Protokoll stellt die Schritt-für-Schritt-Methode für die Verwendung einer schreibbasierten, gültigen und zuverlässigen Anwendung vor, die für die Kindergartenbildung entwickelt wurde. Es fungiert als lehrplanbasiertes Bewertungsinstrument, das sich speziell auf die Bewertung der frühen Schreibfähigkeiten junger Lernender konzentriert.

Ein Tablet-basiertes Lehrplan-basiertes Messprotokoll für das Schreiben im Kindergarten

Die Neugeborenen-Intensivstation Netzwerk Neuropsychologische Scale (nnnS) wurde als Bewertung für die at-Risk-Säugling entwickelt. Der Zweck dieses Artikels ist es, die nnnS beschreiben, bieten Video-Beispiele der nnnS Verfahren und die Art und Weise, in der die Prüfung verwendet wurde, zu diskutieren.

Bewertung und Evaluierung der High Risk Neugeborene: Die Neugeborenen-Intensivstation Netzwerk Neuropsychologische Skala

Ziel und einfache Messung der sensorischen Verarbeitung ist extrem schwierig in nonverbal oder gefährdeten pädiatrischen Patienten. Wir entwickelten eine neue Methode zur quantitativen Bewertung Säuglinge und Kinder kortikale Verarbeitung von leichten Berührung, Geräusche Rede, und die multisensorische Verarbeitung der zwei Reize, ohne dass aktives Subjekt Beteiligung oder verursacht Unbehagen in gefährdeten Patienten.

Quantitative Bewertung der kortikalen Auditory-taktile Verarbeitung bei Kindern mit Behinderungen

Diese Arbeit beschreibt, wie die emotionale Oddball-Aufgabe und fMRT verwendet werden können, um die Gehirnaktivierung bei Kindern und Jugendlichen mit familiär hohem Risiko für Schizophrenie (FHR) zu messen. FMRI wurde verwendet, um Unterschiede in fronto-striato-limbischen Regionen während einer emotionalen Oddball-Aufgabe zu messen. Kinder mit FHR zeigten während der Adoleszenz eine abnormale funktionelle Aktivierung.

Die Messung der Fronto-limbischen Aktivität unter Verwendung einer emotionalen Oddball Aufgabe bei Kindern mit familiärer High Risk for Schizophrenia

In den letzten Jahren gab es eine wachsende Interesse an der Schätzung der kortikalen Quellen der Kopfhaut gemessene elektrische Aktivität für kognitive Neurowissenschaften Experimente. Dieser Artikel beschreibt, wie hohe Dichte EEG erfasst und ab dem Alter von 2 Jahren an der London Baby Lab, wie Aufnahmen für kortikale Quelle Schätzung bei Kindern verarbeitet.

Kortikale Quelle Analyse von High-Density-Aufnahmen EEG bei Kindern

Hier beschreiben wir ein visuelles Suchparadigma mit Touchscreen, das zur Untersuchung der Bedrohungserkennung über die gesamte Lebensdauer verwendet werden kann. Das Paradigma wurde bereits in verschiedenen Studien verwendet, die zeigen, dass sowohl Kinder als auch Erwachsene bedrohliche Reize wie Schlangen, Spinnen und wütende Gesichter schneller erkennen als nicht bedrohliche Reize.

Messaufmerksamkeits Verzerrungen für die Bedrohungs bei Kindern und Erwachsenen

Erfahren Sie, wie die SICOLE-R Multimedia-Batterie kognitive und Lesefähigkeiten bei spanischsprachigen Kindern bewertet. Diese Methode verbessert die Legasthenie-Diagnostik und ermöglicht personalisierte Bildungsinterventionen.

Verbesserung der Legasthenie-Bewertung bei Kindern durch computergestützte Tests

Weitere Videos entdecken