$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Выборочное исследование
Выборка включала 881 участника из Испании (N = 325), Мексики (N = 169), Гватемалы (N = 227) и Чили (N = 160), все они были носителями испанского языка. Выборка была разделена на две группы: 451 в группе с нарушениями чтения (RD) и 430 в группе с нормальными способностями к чтению (NAR). Дети с особыми образовательными потребностями, нуждающиеся в поддержке и особом образовательном внимании из-за сенсорных нарушений, неврологических проблем или других состояний, были исключены, потому что эти факторы обычно используются в качестве критериев исключения для неспособности к обучению или тяжелых поведенческих расстройств, либо временно, либо на протяжении всего обучения в школе. Участники группы RD были отобраны на основе таких критериев, как IQ, равный или превышающий 80, процентиль измерения времени чтения слов выше 75-го процентиля, процентиль измерения времени чтения псевдослов выше 75-го процентиля или процентиль измерения точности чтения псевдослов ниже 25-го процентиля. Аналогичным образом, группа NAR была выбрана на основе сопоставимых критериев, с добавлением процентиля задачи на понимание PROLEC36 выше 25-го процентиля. Все процентили были определены в соответствии с классами участников. Классификация участников на эти группы основывалась на заданиях на чтение слов и чтение псевдослов, каждое из которых состояло из отдельных блоков. В обоих блоках участникам было поручено как можно быстрее прочитать вслух представленные вербальные стимулы. Блок чтения слов содержал 32 стимула, в то время как блок чтения псевдослов содержал 48 стимулов. Узнаваемость слов контролировалась с помощью критериев, изложенных Гусманом и37-летним Хименесом. Были записаны измерения нажатий, ошибок и времени задержки, при этом время задержки измерялось от появления каждого элемента до начала голосового ответа учащегося. Блок чтения слов продемонстрировал высокую внутреннюю согласованность (α = 0,89), в то время как блок чтения псевдослов продемонстрировал еще большую внутреннюю согласованность (α = 0,91). Распределение учащихся с РР и НАР по разным классам было следующим: во втором классе было 30 учащихся с НАР и 27 учащихся с РД. При переходе в третий класс наблюдалось 100 НАР вместе с 88 учащимися РД. В четвертом классе обучалось 100 учащихся НАР и 116 учащихся РД. В пятом классе было 100 учеников НАР и 116 учеников РД, в то время как в шестом классе было 100 учеников НАР и 104 ученика РД. Для оценки возрастных различий в общей выборке и в пределах каждого класса были проведены односторонние тесты ANOVA. Результаты не выявили существенных различий, при этом все p-значения превышали 0,05. Аналогичным образом, распределение гендерной переменной было изучено с помощью критерия хи-квадрат, при этом все значения p также превышали 0,05.
Описательная статистика
В таблице 1 представлены описательные статистические данные (среднее значение и стандартное отклонение) для возраста и мер оценки. Данные классифицируются по полу, различая нормально успевающих читателей и людей с нарушениями чтения в разных странах. Результаты показали положительную и статистически значимую корреляцию между большим числом оценочных показателей (см. табл. 2). В таблице показаны корреляции между показателями от слабых до сильных. Корреляции менее 0,3 считаются слабыми, в то время как корреляции больше 0,5 относятся к категории сильных. Конкретные значения корреляции приведены вместе с соответствующими классификациями прочности. Например, слабые корреляции (r < 0,3) включали корреляции смешивания-сегментации (r = 0,354) и постижения делеции-гомофона (r = 0,270). Умеренные корреляции (0,3 ≤ r < 0,5) наблюдались между грамматической структурой-числом (r = 0,463) и функциональной слове-грамматической структурой (r = 0,512). Сильные корреляции (r ≥ 0,5) очевидны для числа-пола (r = 0,642) и изображения RAN-Color RAN (r = 0,442).
Таблица 1: Описательная статистика измерений. В этой таблице представлены средние значения, стандартное отклонение и другие описательные статистические данные для различных показателей, включенных в цифровой инструмент. ВОЗРАСТ: Возраст; НАР: Обычно достигающие успеха читатели; RD: Неспособность к чтению; SEG: Сегментация; BLN: Смешивание; ISO: Изоляция фонем; DEL: Удаление фонем; HOM: Омофонное понимание; R&S: корневые и суффиксы; GEN: Пол; NUM: Число; FW: Функциональные слова; GRS: Грамматическая структура; EXT: Expositive Text ; NAT: повествовательный текст; VOC: Озвучивание артикуляции; MOA: Манера артикуляции; POA = Место артикуляции; DIG: Digit RAN; LET: Letter Ran; COL: Color RAN; PIC: Picture RAN Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.
Таблица 2: Коэффициенты корреляции измерений. В этой таблице показаны коэффициенты корреляции между различными показателями цифрового инструмента, указывающие на силу и направление связей между этими показателями. SEG: Сегментация; BLN: Смешивание; ISO: Изоляция фонем; DEL: Удаление фонем; HOM: Омофонное понимание; R&S: корневые и суффиксы; GEN: Пол; NUM: Число; GRS: Грамматическая структура; FW: функциональные слова; EXT: Expositive Text ; NAT: повествовательный текст; VOC: Озвучивание артикуляции; MOA: Манера артикуляции; POA = Место артикуляции; DIG: Digit RAN; LET: Letter Ran; COL: Color RAN; Фото: Картинка RAN. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.
Подтверждающий факторный анализ
Для оценки предложенной факторной структуры мультимедийной батареи была проведена КФА. Модель включает в себя один фактор второго порядка и шесть латентных переменных, каждая из которых представляет собой отдельные модули мультимедийной батареи. Эти конструкты включают в себя фонологическую осведомленность (включая задачи на фонематическую сегментацию, изоляцию, смешивание и удаление), морфо-орфографический модуль (включающий корни и суффиксы и задачи на понимание омофона), синтаксис (включающий род, число, грамматическую структуру и функциональные задачи на слово), восприятие речи (включающий озвучивание, манеру артикуляции и место артикуляции), понимание прочитанного (включающий задачи на понимание экспозитивного текста и повествовательного текста) и быстрый автоматизированное именование (буквы, цвета, цифры и картинки из задачи RAN). Чтобы обеспечить согласованность по всем задачам в мультимедийной батарее (в диапазоне от 0 до 1), мы использовали оценку доли максимального масштабирования (POMS). Баллы POMS были рассчитаны для задач, основанных на времени (корни и суффиксы)38.
Статистический анализ и графические представления были выполнены с использованием R версии 4.3.139 с использованием пакетов lavaan40, semTools41 и ggplot242 . Соответствие модели оценивалось с использованием различных индексов пригодности. Несмотря на то, что правильность соответствия хи-квадрат была значительной, χ2(df) = 632,01, p < 0,001, что предполагает расхождение между гипотетической моделью и наблюдаемыми данными, важно отметить, что критерий хи-квадрат чувствителен к размеру выборки43. Поэтому были учтены дополнительные индексы соответствия.
Сравнительный индекс соответствия (CFI) дал значение 0,961, превысив общепринятый порог в 0,95 и указывая на хорошее соответствие данным. Среднеквадратичная ошибка аппроксимации (RMSEA) составила 0,038, что указывает на близкое соответствие модели данным. Стандартизированный среднеквадратичный остаток (SRMR) составил 0,034, что было ниже рекомендуемого значения 0,05, что указывает на идеальное соответствие. Факторные нагрузки для товаров варьировались от 0,36 до 0,81, что указывает на значительные нагрузки на соответствующие факторы. Общая средняя извлеченная дисперсия (AVE) превысила 0,50, что указывает на адекватную сходящуюся валидность, а общая композитная надежность (CR) была выше 0,80, что указывает на хорошую надежность внутренней согласованности.
В заключение следует отметить, что результаты CFA подтвердили предложенную факторную структуру, продемонстрировав хорошее соответствие модели, сходящуюся валидность и надежность. Пожалуйста, обратитесь к графическому представлению модели на рисунке 1.

Рисунок 1: Подтверждающий факторный анализ. На этом рисунке показаны результаты конфирматорного факторного анализа, выполненного с помощью цифрового инструмента, с выделением факторных нагрузок и взаимосвязи между различными показателями когнитивной обработки. Сокращения: SIC= Sicole-R; PA = фонологическая осведомленность; SEG= Сегментация; BLN= Смешивание; ISO= изоляция; DEL= Удаление; MO = морфологическая обработка; HOM = Омофонное понимание; R&S = Корень и суффиксы; SYN= Синтаксическая обработка; GEN= Пол; NUM= число; GRS = Грамматическая структура; FW= Функциональные слова; RC = Понимание прочитанного; EXT= Внешний текст; NAT= Повествовательный текст; SP = Восприятие речи; VOC = Озвучивание артикуляции; MOA = Манера артикуляции; POA = Место артикуляции; RAN= быстрое автоматизированное именование; NUM= число RAN; LET= буква RAN; COL = цвет RAN; PIC= Картинка РАН. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
Анализ инвариантности измерений был использован для проверки того, стабильна ли факторная структура мультимедийной батареи у разных полов. Тестирование на инвариантность измерений состоит из серии сравнений моделей, которые определяют все более строгие ограничения равенства. Мы провели статистический анализ и следовали тем же критериям модели соответствия, что и в предыдущем CFA. Мы последовательно ограничивали параметры, представляющие конфигурационную, метрическую (загрузки), скалярную (пересечения) и строгую (остатки) структуры45. Плохое соответствие любой из этих моделей предполагает, что ограничиваемый аспект не работает последовательно для различных групп. Степень инвариантности определяли совместно, когда χ2D было >0,05, а ΔCFI — <0,01. Сводка результатов индексов моделей и различий между ними приведена в таблице 3.
Таблица 3: Индексы аппроксимации модели инвариантности. В этой таблице представлены индексы соответствия для проверки гендерной инвариантности модели, оценивающей, насколько хорошо цифровой инструмент поддерживает согласованность своей структуры и измерительных свойств в мужских и женских группах. Эти индексы обеспечивают надежность и валидность инструмента, подтверждая его способность последовательно измерять когнитивные процессы в различных гендерных группах. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.
Конфигурационная модель, которая ограничивала только относительную конфигурацию переменных в модели, чтобы они были одинаковыми в обеих группах, имела адекватное соответствие данным: χ2(292) = 745,970, p<,001, CFI = 0,964, SRMR = 0,034, RMSEA = 0,036, 90% ДИ (0,033, 0,038). Модель метрической инвариантности ограничивала конфигурацию переменных и всех факторных нагрузок постоянными для всех групп. Индексы соответствия были сопоставимы с показателями конфигурационной модели: χ2(310) = 768,56, p<,001, CFI = 0,963, SRMR = 0,037, RMSEA = 0,036, 90% ДИ (0,033, 0,038). Инвариантность факторных нагрузок подтверждалась незначимыми разностными тестами, оценивающими сходство моделей: χ2D (18) = 26,30, p = 0,09; ΔCFI = 0,001. В модели скалярной инвариантности конфигурация, факторные нагрузки и индикаторные средние/пересечения должны были быть одинаковыми для каждой группы. Индексы соответствия были далеки от идеальных: χ2(322) = 787,50, p<.001, CFI = .963, SRMS = .038, RMSEA = .035 (90% CI = .032, .038). Разностные тесты, оценивающие сходство моделей, показали наличие факторной инвариантности: χ2D(12) = 13,00, p = 0,369; ΔCFI = 0,001. Наконец, в модели строгой инвариантности конфигурация, факторные нагрузки, индикаторные средние/пересечения и остатки были ограничены тем, чтобы быть одинаковыми для каждой группы. Индексы соответствия были далеки от идеальных: χ2(341) = 798,20, p<,001, CFI = 0,961, SRMS = 0,039, RMSEA = 0,0035 (90% CI = 0,032, 0,038). Строгая инвариантность была подкреплена незначимыми разностными тестами, которые оценивали сходство модели: χ2D(11) = 25,81, p<,001; ΔCFI =.002
Точность диагностики
Для оценки точности и дискриминирующей способности мультимедийной батареи был проведен анализ рабочих характеристик приемника (ROC). ROC-анализ помогает определить оптимальный порог (пороговое значение) для теста непрерывной оценки, уравновешивая чувствительность (способность правильно идентифицировать истинно положительные результаты) и специфичность (способность правильно идентифицировать истинно отрицательные результаты). Кроме того, ROC-анализ был использован для оценки способности теста различать группы RD и NAR. Для проведения анализа были рассчитаны Z-баллы для каждой оценки для каждой задачи мультимедийной батареи. Омнибусный балл состоял из суммы дзета-баллов. Статистический анализ и графическое представление были проведены с использованием R версии 4.3.141. Использовались упаковки pROC46 и ggplot242 . С точки зрения диагностической точности, мультимедийная батарея показала площадь под кривой (AUC) 9439,8 [95% ДИ: 93,31%-96,24% (Делонг)] и чувствительность 91,0 (рис. 2). Кривые ROC по сортам показали следующие индексы: 2° града, AUC= 96,195% [CI: 91,54%-100% (DeLong)], Se= 0,96, Sp=0,90; 3° града, AUC= 95,3, [95% ДИ: 92,43%-98,18% (ДеЛонг)], Se=75,70, Sp= 72,34; град 4°, AUC=93,4 [95% ДИ: 90,2%-96,66% (ДеЛонг)], Se=0,92, Sp=,84; 5° града, AUC=95.9 [95% ДИ: 93.11%-98.75% (DeLong)], Se=.90, Sp=.95; 6° града, AUC=94.4 [95% ДИ: 91.11%-97.69% (DeLong)], Se=.92, Sp=.91.

Рисунок 2: Анализ ROC-кривой. На этом рисунке представлен анализ кривой ROC, который показывает диагностическую точность цифрового инструмента путем построения графика коэффициента истинных положительных результатов в сравнении с коэффициентом ложноположительных результатов при различных пороговых значениях. Единицами измерения для оси x ROC-кривой является специфичность, а для оси y — чувствительность. Сокращения: ROC = кривая рабочих характеристик приемника; AUC= площадь под кривой. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.