コンピュータ化されたテストによる子供の失読症評価の進歩

要約

Multimedia Battery for Assessment of General-Domain and Specific-Domain Skills in Readingは、認知能力と基本的な読解力を評価するために設計された、信頼性と有効性に優れたマルチメディア電池です。これにより、包括的な認知および読解力プロファイルの生成が可能になり、失読症の子供にとって特に有益です。

要約

読解力の習得は、さまざまなドメインジェネラルおよびドメイン固有の能力の育成を必要とする複雑なプロセスです。したがって、多くの子供たちが学年レベルで習熟度を維持することに取り組んでいることは驚くべきことではなく、特に、読解が困難な個人に見られるように、両方の領域にまたがる複数の能力にまたがる課題に直面した場合にそうです。驚くべきことに、読書障害は学齢期の子供に影響を与える最も一般的な神経発達障害の1つであるにもかかわらず、利用可能な診断ツールの大部分は、失読症に関連する認知スキルの全範囲を評価するための包括的なフレームワークを欠いており、コンピューター化されたオプションは最小限に抑えられています。特に、スペイン語を話す子供が利用できるこれらの機能を備えたツールは現在限られています。この研究の目的は、Sicole-Rマルチメディアバッテリーを使用して、スペイン語を話す読書困難児を診断するためのプロトコルを説明することでした。小学校向けのこのツールは、科学文献で規定されているように、失読症に関連する認知スキルの評価に焦点を当てています。具体的には、失読症に関連していることが研究で証明されているさまざまな認知能力の評価に焦点を当てています。この焦点は、失読症の個人が通常、このデジタルツールによって評価されたいくつかの認知領域に欠陥を示すという観察に基づいています。バッテリーの堅牢な内部一貫性と多次元内部構造が実証されました。このマルチメディアバッテリーは、初等教育で読解力が困難な子供を診断するための適切なツールであることが証明されており、診断目的だけでなく、個別の教育計画を調整するためにも価値のある包括的な認知プロファイルを提供します。

概要

失読症は、正確かつ/または流暢な単語認識の困難さ、およびスペルと解読能力の低さを特徴とする神経発達障害であり、従来の指導、適切な知性、および社会^{文化的機会にもかかわらず}、効率的な読解スキルを習得することが予想外で持続的に困難であることを特徴としています1。この神経生物学的障害は、主に音韻障害のために、読み書き、および書き込みの課題として現れることがよくあります^2,3。「失読症の早期発見の重要性は、いくら強調してもし過ぎることはありません。なぜなら、それはタイムリーな介入と支援を可能にするからです^4,5。学生が介入反応モデルでTier-3を超えて進行しない場合、科学文献で強調されているように、失読症に関連するドメイン一般能力とドメイン特異的能力の両方について、より包括的な評価を行うことが不可欠になります。ここで紹介する手法の開発は、適切な介入と支援が提供されていることを確認するために徹底的な評価を実施する必要性に基づいています。さらに、先行研究では、ウェブアプリケーションやコンピュータゲームなどの技術ベースのスクリーニングツールが、効果的なスクリーニングプロセスを促進する上での有用性を強調しています^6,7。これらの研究は、失読症の多面的な性質を総合的に強調し、失読症の個人の多様な認知プロファイルに対処するための包括的な評価と介入戦略の必要性を強調しています。学齢期の子供の間で失読症が蔓延しているにもかかわらず、利用可能なほとんどの診断ツールには、ドメイン一般スキルとドメイン固有のスキルの両方を包括的に評価するフレームワークがありません。さらに、特にスペイン語を話す人々にとって、コンピューター化されたオプションは最小限です。このマルチメディアバッテリーは、テクノロジーを活用して失読症に関連する認知スキルの詳細な評価を容易にすることで、これらのギャップを埋めます。

失読症における理論的視点と認知障害
音韻論、迅速な聴覚処理、視覚、大細胞、小脳の理論を含むさまざまな理論モデルは、失読症の原因を説明し、介入に情報を提供することを目的としています(レビューを参照)⁸。音韻論では、失読症は^{言語音の処理}の困難さに起因するとされ9、急速な聴覚処理理論では、失読症を急速に変化する音の知覚障害と関連付けています¹⁰。視覚理論は、読書困難の視覚的側面を強調し、マグノセルー理論は、視覚および聴覚処理経路の障害を指摘しています¹¹。小脳理論は、失読症が運動制御と認知機能に影響を与える小脳障害から生じることを示唆しています¹²。ニコルソンとフォーセットの遅延神経コミットメント(DNC)フレームワークは、スキル習得の遅れとニューラルネットワーク開発の遅延が失読症の中心であると仮定しています。多重欠損モデルなどの最近のモデルでは、失読症は遺伝的、認知的、および環境的要因の影響を受ける複雑な障害であると提案されています13,14,15。たとえば、RingとBlack¹⁴は多重欠損モデルをサポートしており、音韻学的および認知的処理の欠損の両方が失読症の不均一性に寄与していることを示しています。Soriano-Ferrerら¹⁵は、スペイン語を話す発達性失読症(DD)の子供を対象に研究を行い、命名速度、言語作業記憶、および音韻認識(PA)に重大な障害があることを発見しました。同様に、Zygouris et ^al.16 と Rauschenberger et ^al.6 は、これらの欠陥を特定するための認知スクリーニングツールの重要性を強調しており、失読症の個人は、通常達成している仲間よりも一貫して低いスコアを示しています。

失読症スクリーニングにおける技術的アプローチの検討:調査研究からの洞察
ディスレクシア・スクリーニングの研究は、早期発見戦略、各種評価を組み合わせた多面的なスクリーニング手法、効率向上のための技術統合という3つの主要なアプローチで進化してきた¹⁷。Politi-Georgousiの最近の¹⁸の系統的レビューは、ディスレクシアの症状に介入するためのスクリーニングプロセスではなく、より多くのアプリケーションへのシフトを強調しており、ディスレクシアの学生の読解スキルを向上させるためのテクノロジー統合と一致しています。FawcettとNicolsonによるDyslexia Early Screening Test(DEST)など、さまざまなツールが存在し、速度、音韻スキル、運動スキル、小脳機能、および知識^{を評価します19}。「コンピューターベースのツールは進歩しています。例えば、ギリシャの子供たちの読解力と認知スキルを評価するウェブアプリケーション²¹や、ゲームと機械学習を使用して失読症を早期に特定するHautalaら²¹とRauschenbergら⁶のツールなどがあります。Ahmadらは、ゲームをニューラルネットワークと統合し、検出精度95%を達成しました²²。さまざまな正書法にわたる研究は、失読症の識別における音韻認識と迅速な自動命名の重要性を強調しています^23,24。

スペイン語を話す子供たちの失読症への洞察
スペイン語を話す子供たちの失読症の研究は、Sicole-R技術の使用を通じて大幅に進歩しました。Jiménezらは、年齢層を超えた失読症の評価、特に小学校低学年の音韻的および構文的処理に基づいて失読症と典型的達成読者を区別することにおいて、その有効性を実証した²⁵。Guzmánらは、音韻学的課題を持つ失読症の子供における命名速度の不足を調査し、文字RANや数字RAN^などのタスクを通じて測定された命名速度と失読症との間の相互作用を強調しました。Jiménezらによるさらなる研究では、異なる音節構造にわたる音韻認識障害を調査し²⁷、Ortizらは、失読症のスペインの子供たちの音声知覚障害を調査し、音声コントラストや言語単位に関係なく、音声知覚発達の障害を明らかにした^28,29。Jiménezらは、失読症の二重欠損仮説を調査しました³⁰、続いて、失読症の有病率における認知プロセスと性別関連の格差の分析が行われました^31,32。Rodrigoらは、スペインの失読症の子供たちの語彙アクセスを調査し³³、Jiménezらは構文処理の欠陥を精査した³⁴。最後に、Jiménezらは、失読症のサブタイプにおける音韻論的および正書法のプロセスを研究し、正書法の経路効率の違いを強調した³⁵。これらの研究は、スペイン語を話す人々の失読症の認知的および言語的課題についての理解を総合的に高めます。

実施された研究は、参加した子供たちの年齢と背景の点でいくつかの共通の特徴を共有しています。これらの研究に含まれた子供の年齢は7歳から14歳までの範囲でした。ほとんどの研究は7歳から12歳までの小学生に焦点を当てていたが、14歳までの子供を含む研究は例外で、幼少期から思春期前までのサンプルを提供していた^31,32。参加した子どもたちは、主にスペインのカナリア諸島出身でした。さらに、一部の研究には、スペインとグアテマラの他の地域からのサンプルが含まれていました^31,32。参加者は、都市部と郊外地域を含む背景を持つ公立学校と私立学校の両方から募集されました。これらの研究で表される社会経済的レベルは、中低中産階級から労働者階級および中産階級までさまざまです。

これらの調査は、失読症の複雑さに対する理解を大幅に前進させ、失読症研究の分野に貢献しています。このツールは、スペイン、グアテマラ、チリ、メキシコなど、複数のイベロアメリカ諸国での使用に適応しており、この研究のための多様なスペイン語を話すサンプルの診断精度と精度の評価を容易にします。

この研究は、専門のマルチメディアバッテリーを使用して、スペイン語を話す読書障害のある子供を診断するためのプロトコルを説明することを目的としていました。主な目標は、失読症に関連するドメイン一般スキルとドメイン固有のスキルの両方を評価する包括的な評価ツールを提供することです。

実験セットアップの概要
SICOLE-Rは、Java 2 Platform Standard Edition(J2SE)でプログラムされました。HSQL データベースエンジンはデータベースとして使用されます。このソフトウェアには、評価される6つの主要なモジュールが含まれています:1)知覚処理、これには、発声、配置、およびアーティキュレーションの方法のタスクが含まれます。2)音素分離、音素削除、音素セグメンテーション、および音素ブレンディングタスクを含む音韻処理。3)数字、文字、色、写真の命名速度のタスクを含む命名速度。4)語彙素と接尾辞の形態学的理解と同音異義語の理解のタスクを含む正書法処理。5)性別、数、機能語、文法構造タスクなどの構文処理。6)意味処理は、情報量の多い物語的なテキストを通じて読解タスクに影響を与えます。各タスクの指示は、1回または2回の試行(タスクによって異なります)とデモンストレーションを伴い、テストフェーズの開始前に教育エージェントによって提供されます。各タスクのアプリケーションプロトコルを次に示します。

マルチメディアバッテリーを研究サンプルに投与する前に、語彙、画像、その他の関連コンテンツの調整など、各国(メキシコ、グアテマラ、エクアドル、チリ)のスペイン語モダリティに適応させました。政権の条件は、すべてのラテンアメリカ諸国で同じだった。管理環境は、学校内で静かで、騒音、気を散らすもの、中断がない必要がありました。マルチメディアバッテリーの管理期間は、学生の能力と年齢に応じて、それぞれ30分の3〜4セッションの範囲でした。ほとんどのスプレッドシートおよび統計データ処理システムとデータベースが互換性があるため、評価者は各子と各タスクの結果を分析できます。データ収集に関しては、2つの異なるタスクタイプが採用されました:1)試験官が外部マウスを使用して成功とエラーを記録し、学生の口頭パフォーマンスを記録するタスク、および2)学生がオプションをクリックして個別に選択する必要があるタスク。

プロトコル

この議定書は、ラ・ラグーナ大学(ULL)のComité de Ética de la Investigación y Bienestar Animal(研究倫理および動物福祉委員会、CEIBA)が提供するガイドラインに従って実施されました。データは、各国のカリキュラムに応じて異なる時期に収集され、教育行政、学校、保護者が同意した生徒からのみ情報を取得しました。この研究で使用されたテストバッテリーは知的財産として登録されており、ULLとの譲渡契約を通じてアクセスできます。テストバッテリーの入手方法の詳細については、ULLのOffice of Knowledge Transfer(OTRI)にお問い合わせください。

1. SICOLE-Rの設置と準備

1. このツールを適用するには、2 年生から 6 年生までの生徒という選択基準を使用してください。次の除外基準を使用してください:特別な教育的ニーズを持つ学生を含めないでください。他の要因の中でも特に、感覚障害や後天的な神経学的問題のためにサポートや的を絞った教育的注意を必要とした学生を指します。
   注:評価は、コンピューターへのアクセスと良好な照明を備えた静かな空間で、学生と個別に行われます。適応したマイク付きのヘッドフォンは、タスクの指示の受信を容易にし、生徒のパフォーマンスを向上させるために必要になります。
2. ソフトウェアをコンピューターにインストールするには、管理者としてファイルを実行し、アイコンをクリックしてツールを開きます。アプリケーションを開くと、初期インターフェイスが表示され、さまざまな操作オプションが表示されます。
3. 評価を開始する前に、タスクを実行する学生の情報を入力します。彼らのデータが入力されたら、学生のリストに記録し、後で彼らの情報を修正することができます。
4. 新しい学生が追加されるたびに、タスクを開始する前にテスト画面が表示されます。この画面で、画面に表示されるブーツをタップするように生徒に依頼します。
   注:このミニゲームの目的は、生徒の運動制御を評価するためのベースラインを確立することです。これにより、ソフトウェアがキーボードのキーを押すことで応答を記録するため、モーター速度の個人差を監視できます。このミニゲームは一度だけ登場します。
5. 評価を開始する前に、審査官に次の指示を与えるように依頼してください:次に、さまざまなゲートを備えた仮想サーカス環境に入ります。各ゲートは、参加する楽しいアクティビティにつながっています。ピエロがこれらのゲートを案内し、各アクティビティで何をすべきかを説明します。試験官の隣に座り、指示をよく聞いてください。それぞれのタスクで最善を尽くすようにしてください。これらのアクティビティを探索して完了することを楽しんでください!
6. 評価が予定されている学生を選択し、[ 開始 ]セクションをクリックしてタスクを開始します。メインメニューには5つの色付きのドアがあり、それぞれが評価対象のモジュールの1つに対応しています。
7. 各タスクは導入指導から始まり、生徒にこれに注意を払うように依頼します。生徒たちはゲームの性質について知らされ、教育エージェントによって促進され、ゲームの遊び方について指導されます。エージェントが各タスクに対して口頭で指示を出し、モデルを通じて手順を例示し、生徒が見習うための例を提示するようにします。
8. 例の完成後、教育エージェントが対応するフィードバックを提供し、誤って実行された例を学生がやり直せるようにし、評価が開始します。
   注:教育エージェントは、生徒をタスクに導くように設計された仮想キャラクターです。この役割では、エージェントは明確で理解しやすいスピーチと、学生の応答に基づいて指導ガイダンス、タスクモデリング、およびフィードバックを提供する能力を持っている必要があります。教育エージェントは、タスク中の学生の入力に従って一貫して正確に応答するようにプログラムする必要があります。

2. SICOLE-Rのタスク

1. Yellow Door:音声認識タスクを用いた知覚処理モジュール
   1. コンピューターでプログラムを開きます。プログラムインターフェース内の黄色のドアに移動します。 利用可能なサブタスクの1つ をクリックして、タスクを開始します:(1)ボイシング、(2)アーティキュレーションの方法、(3)配置。
   2. 教育エージェントが生徒に指導指導とタスクモデリングを提供できるようにします。エージェントは言うべきです:今、私たちは音節のペアを聞きます。音節が同一の場合は、青いボタンを押します。異なる場合は、赤いボタンを押してください。私がどのようにやるかを見てください。今度はこれらの例であなたの番です。
   3. 生徒に2つのアイテムの例を提示します:/ba/-/pa/;/ja/-/ka/。ペアが同一の場合は青い円を選択し、異なる場合は赤いボタンを選択するように、生徒に再度指示します。
   4. タスクが完了したら、教育エージェントが例の学生の回答に基づいてフィードバックを提供していることを確認します。例が完成したら、エージェントが生徒にタスクを開始するように指示できるようにします。
   5. 円(青または赤)を選択する手順は、タスク全体で一貫しており、ヒットとミスを記録します。生徒が音節のペアをもう一度聞く必要がある場合は、 スピーカーアイコンをクリックして もう一度再生します。アイテムごとに1回の追加再生のみが許可されていることに注意してください。
2. Pink Door:音韻認識モジュール
   1. 音素セグメンテーションタスク
      1. コンピューターでプログラムを開きます。プログラムインターフェース内のピンクのドアに移動します。「 Phoneme Segmentation 」を選択して、タスクを選択します。
      2. 教育エージェントが学生に指導指導を提供できるようにします。エージェントは言うべきです:次に、音素のセグメンテーションに焦点を当てます。私が実演するのを見てください。次に、2 つのアイテムの例が表示されます。
      3. 生徒に2つの例題を提示します。生徒に、各単語について答えを声に出して表現してもらいます。
      4. 外部マウスを使用して、正しい応答の場合は青いボタン、間違った応答の場合は赤いボタンをクリックします。教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供することを確認します。
      5. 例を挙げた後、教育エージェントが生徒にタスクを開始するように指示することを確認します。
   2. 音素ブレンディングタスク
      1. コンピューターにプログラムを入力します。プログラムインターフェース内のピンクのドアに移動します。 「音素ブレンディング 」を選択してタスクを選択します。
      2. 教育エージェントが学生に指導指導を提供できるようにします。エージェントは言う:今、私たちは音素合成に焦点を当てます。私が実演するのを見てください。次に、2 つのアイテムの例が表示されます。
      3. 生徒に2つの例題を提示します。生徒に、各単語について自分の答えを声に出して明確に表現してもらいます。
      4. 外部マウスを使用して、正確な応答の場合は青いボタン、不正確な応答の場合は赤いボタンをクリックします。教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供することを確認します。
      5. 例の後、教育エージェントが生徒にタスクを開始するように指示できるようにします。この手順は、タスクの実行全体を通じて一貫性を保ち、正確な応答と不正確な応答の両方を記録します。
      6. 生徒が単語をもう一度聞く必要がある場合は、 オウムのアイコンをクリックして 再生します。リプレイは1つのアイテムにつき1回のみ許可されることに注意してください。
   3. 音素分離タスク
      1. コンピューターでプログラムを開きます。プログラムインターフェース内のピンクのドアに移動します。 「Phoneme Isolation 」をクリックしてタスクを選択します。
      2. 教育エージェントが生徒に指導指導とタスクモデリングを提供できるようにします。エージェントは言うべきです:次に、音素の分離に焦点を当てます。私が実演するのを見てください。次に、2 つのアイテムの例が表示されます。あなたの仕事は、名前がターゲットの単語と同じ音で始まる画像をクリックすることです。
      3. 生徒に2つの例題を提示します。生徒がターゲット単語と同じ音で始まる画像をクリックしたかどうかを観察します。
      4. 教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供することを確認します。例を挙げた後、エージェントが生徒にタスクを開始するように案内していることを確認します。
      5. この手順はタスク全体を通して統一され、ヒットとミスの両方が文書化されます。生徒が単語をさらに聞く必要がある場合は、 スピーカーのアイコンをクリックして 再生します。リプレイは1つのアイテムにつき1回のみ許可されることに注意してください。
   4. 音素削除タスク
      1. コンピューターでプログラムを開きます。プログラムインターフェース内のピンクのドアに移動します。 「音素の削除」 を選択して、タスクを選択します。
      2. 教育エージェントが指導的ガイダンスを提供し、生徒にタスクを実演できるようにします。エージェントは言うべきです:次に、音素の削除に焦点を当てます。私が実演するのを見てください。次に、2 つのアイテムの例が表示されます。
      3. 生徒に2つの例題を提示します。生徒に、各単語について声に出して答えを言ってもらいます。
      4. 正解の場合は青いボタン、不正解の場合は赤いボタンを外部マウスでクリックします。教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供することを確認します。
      5. 例の後、教育エージェントが生徒にタスクを開始するように指示していることを確認します。この手順は、タスクの実行全体を通じて一貫性を保ち、正しい応答と誤った応答の両方を記録します。
      6. 生徒が単語をもう一度聞く必要がある場合は、 スピーカーのアイコンをクリックして 再生します。リプレイは1つのアイテムにつき1回のみ許可されることに注意してください。
3. Orange Door:命名速度と正書法モジュール
   1. 迅速な自動命名(RAN)タスク
      1. コンピュータ上のプログラムにアクセスします。プログラムインターフェース内のオレンジ色のドアに進みます。 [命名速度 ] を選択して、タスクを選択します。
      2. 教育エージェントが指導的ガイダンスを提供し、タスクをデモンストレーションすることを許可します。命名速度モジュールの文字RANサブタスクの例を提示します。
      3. 生徒に自分の答えを声に出して明確に表現してもらいます。例の応答が正しければ、画面上の青いボタンを選択します。間違っている場合は、赤いボタンをクリックしてください。
      4. 教育エージェントが学生の回答に基づいてフィードバックを提供していることを確認します。例の後、教育エージェントがタスクを開始することを確認します。
      5. タスクを開始するには、マウスの左ボタンをクリックしてタイミングを開始します。タスク中、サブタスクに応じて、要素のマトリックスが画面に表示されます。
      6. 生徒に声に出して名前を挙げてもらい、マトリックスの要素を順番に挙げてもらいます。同時に、学生が犯したエラーを文書化します。
      7. エラーごとに、外部マウスの右ボタンを使用してエラーの数を登録します。生徒が要素に名前を付け終えたら、もう一度左ボタンを押してタイミングを終了し、そのサブタスクのタスクを完了します。最初のサブタスク (文字 RAN) が完了すると、同じ手順に従って次のサブタスク (番号 RAN) が自動的に表示されます。このプロセスは、残りのサブタスク (カラー RAN とオブジェクト RAN) に対して続行されます。
   2. 語彙素と接尾辞タスク
      1. コンピュータ上のプログラムにアクセスします。プラットフォームインターフェース内のオレンジ色のドアに移動し、 語彙素と接尾辞 をクリックしてタスクを選択します。
      2. 教育エージェントが、生徒が外部マウスを使用してターゲット単語に対応する画像を選択する例の項目など、生徒に指導ガイダンスとタスクモデリングを提供できるようにします。
      3. 教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供し、タスクを開始するように学生に指示することを確認します。
      4. タスクの実行全体を通して手続きの一貫性を保ち、提示された各項目のターゲット単語に対応する画像を選択するように生徒に促し、正しいヒットと見逃した応答の両方を記録します。
   3. 同音異義語理解課題
      1. コンピュータ上のプログラムにアクセスします。プラットフォームインターフェイス内のオレンジ色のドアに移動します。 同音異義語理解 をクリックして、タスクを選択します。
      2. 教育エージェントが学生に指導的ガイダンスとタスクモデリングを提供できるようにします。例のアイテムを提示し、生徒に外部マウスを使用してターゲット単語に対応する画像を選択するように促します。
      3. 教育エージェントが例に対する学生の反応に基づいてフィードバックを提供することを確認し、例のプレゼンテーションに従ってタスクを開始するように学生に指示します。
      4. タスクの実行全体を通じて、手続き手順の一貫性を維持します。提示された各項目のターゲットワードに対応する画像を選択するように生徒に促します。
      5. タスクの実行中に正しいヒットと見逃した応答の両方を記録します。
4. Green Door:構文処理モジュール
   1. ジェンダー課題
      1. コンピューターでプログラムを開きます。プログラムインターフェース内の緑色のドアに移動します。 「性別 」をクリックしてタスクを選択します。
      2. 教育エージェントが生徒に指示とタスクモデリングを提供できるようにします。生徒が完成させる2つの例を提示し、外部マウスを使用して性別の一致に従って各文の対応する単語をクリックするように要求します。
      3. 教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供することを確認します。例のプレゼンテーションに従って、教育エージェントが生徒がタスクを開始するようにガイドしていることを確認します。
      4. タスクの実行全体を通じて、プロシージャの一貫性を維持します。生徒に、性別の一致に従って各文の対応する単語をクリックするように促します。
      5. タスクの実行中に正しい応答と正しくない応答の両方を収集します。
         注:スペイン語とは異なり、英語は文法で性別を区別しません。
   2. 番号タスク
      1. コンピューターでプログラムを開きます。プログラムインターフェース内の緑色のドアに移動します。 「番号 」をクリックしてタスクを選択します。
      2. 教育エージェントが生徒に指示とタスクモデリングを提供できるようにします。生徒が完成させる2つの例を提示し、各文の対応する単語を外部マウスを使用して、数字の一致に従ってクリックするように要求します。
      3. 教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供することを確認します。例のプレゼンテーションに従って、教育エージェントが生徒がタスクを開始するようにガイドしていることを確認します。
      4. タスクの実行全体を通じて、プロシージャの一貫性を維持します。生徒に、各文の対応する単語を数字の一致に従ってクリックするように促します。
      5. タスクの実行中にヒットとミスの両方を収集します。
         注:スペイン語とは異なり、英語は文法で数字を区別しません。
   3. 機能語タスク
      1. コンピューターでプログラムを開きます。プログラムインターフェース内の緑色のドアに移動します。 「Functional Words 」をクリックしてタスクを選択します。
      2. 教育エージェントが生徒に指示とタスクモデリングを提供できるようにします。生徒が完成させる2つの例を提示し、外部マウスを使用して、文の文脈に応じて各文の対応する機能語をクリックするように要求します。
      3. 教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供することを確認します。例のプレゼンテーションに従って、教育エージェントが生徒がタスクを開始するようにガイドしていることを確認します。
      4. タスクの実行全体を通じて、プロシージャの一貫性を維持します。生徒に、文の文脈に応じて、各文の対応する機能単語をクリックするように促します。
      5. タスクの実行中に正しい応答と正しくない応答の両方を収集します。
   4. 文法構造課題
      1. コンピューターでプログラムを開きます。プログラムインターフェース内の緑色のドアに移動します。 「文法構造 」を選択してタスクを選択します。
      2. 教育エージェントが生徒に指示とタスクのデモンストレーションを提供できるようにします。生徒が完成させる2つの例を提示し、外付けマウスを使用して各写真の適切な文をクリックするように要求します。
      3. 教育エージェントが、例に対する学生の反応に基づいてフィードバックを提供することを確認します。例のプレゼンテーションに従って、教育エージェントが生徒がタスクを開始するように指導していることを確認します。
      4. タスクの実行全体を通じて、プロシージャの一貫性を維持します。外付けマウスを使用して、各写真の適切な文をクリックするように生徒に促します。
      5. タスクの実行中に正しい応答と誤った応答の両方をキャプチャします。
5. Blue Door:読解タスクを用いた意味処理モジュール
   1. コンピューターでプログラムを開きます。プログラムインターフェース内の青いドアに進みます。情報テキストには 「The Fruits 」を、ナラティブテキストには 「Tino's Getaway 」を選択します。
   2. 教育エージェントが生徒にタスクの指示を提供できるようにします。テキストの種類を選択したら、画面にテキストを表示します。
   3. 生徒はテキストを読み、最も関連性の高い情報を暗記する必要があります。読み終わったら、外部マウスを使用して画面上の矢印をクリックして読書の完了を示し、次のセクションに進むように生徒に依頼します。
   4. 教育エージェントが生徒に質問を読み、外部マウスを使用して正しい答えを選択するように指示できるようにします。生徒は問題を読み、それに応じて正しい答えを選択します。

3. データ分析

1. スペイン語を話す人口におけるマルチメディア バッテリーの構成概念の有効性と診断精度を評価するには、確認因子分析 (CFA) と受信者動作特性 (ROC) 曲線分析を使用します。
2. CFAを実行して、マルチメディアバッテリーの基礎となる因子構造を検証します。この分析により、データが理論的な期待に基づいて事前定義された構造に適合するという仮説を検定できます。
3. 比較適合指数 (CFI)、タッカー・ルイス指数 (TLI)、近似の二乗平均平方根誤差 (RMSEA)、標準化二乗平均平方根残差 (SRMR) など、いくつかの適合指数を使用してモデルの適合を評価します。良好なモデル適合は、CFIおよびTLIの値が0.90より大きいこと、RMSEAの値が0.08未満、SRMRの値が0.08未満であることで示されます。
4. マルチメディア・バッテリの診断精度を判断するには、ROC曲線解析を実行します。この方法により、読解困難の有無にかかわらず個人を正しく分類するテストの能力を評価することができます。ROC曲線下面積(AUC)は、試験の全体的な精度の尺度を提供します。AUC が 0.5 の場合は診断能力がないことを示し、AUC が 1.0 の場合は完全な診断能力を示します。
5. さまざまなしきい値レベルでの感度と特異性を分析することにより、バッテリーの最適なカットオフポイントを特定します。
6. CFA曲線分析とROC曲線分析の両方を使用して、マルチメディアバッテリーの包括的な評価を行い、スペイン語を話す人口におけるその構成概念の有効性と診断精度を確認します。

結果

サンプル研究
サンプルには、スペイン(N = 325)、メキシコ(N = 169)、グアテマラ(N = 227)、チリ(N = 160)からの881人の参加者が含まれ、全員がスペイン語を母国語としていました。サンプルは、読解障害(RD)グループの451人と、正常達成リーダー(NAR)グループの430人の2つのグループに分けられました。特別な教育的ニーズを持つ子ども(感覚障害、神経学的問題?...

ディスカッション

この研究では、確認因子分析(CFA)を使用して、1つの2次因子と異なるモジュールを表す6つの潜在変数で構成されるSicole-Rバッテリーの因子構造を評価しました。その結果、モデルの適合度、収束性、信頼性が良好であることが示され、失読症の個人にとって重要な認知スキルと読解スキルの包括的なセットを評価する際のバッテリーの有効性が確認されました。重要?...

資料

Name	Company	Catalog Number	Comments
Sicole-R	Universidad de La Laguna	TF-263- 07