Usando o paradigma de mundo Visual para estudar a compreensão da frase em língua Mandarim de crianças com autismo

Resumo

Apresentamos um protocolo para examinar o uso de pistas morfológicas durante a compreensão da frase em tempo real por crianças com autismo.

Resumo

Compreensão da sentença depende da capacidade de integrar rapidamente diferentes tipos de informação linguística e linguística. No entanto, atualmente há uma escassez de pesquisa explorando como pré-escolares com autismo entendem frases usando diferentes tipos de pistas. Os mecanismos subjacentes a sentença compreensão permanece em grande parte obscura. O presente estudo apresenta um protocolo para examinar as habilidades de compreensão de sentença de crianças pré-escolares com autismo. Mais especificamente, um paradigma de mundo visual do olho de monitoramento é usado para explorar a compreensão da frase de momento a momento nas crianças. O paradigma tem várias vantagens. Primeiro, é sensível ao curso tempo de compreensão de sentença e, assim, podem fornecer informações ricas sobre como compreensão da sentença se desenrola ao longo do tempo. Em segundo lugar, requer mínimas demandas de tarefa e de comunicação, por isso é ideal para testar crianças com autismo. Para minimizar ainda mais a carga computacional das crianças, as presente estudo medidas olho movimentos que surgem como respostas automáticas para entrada linguística, em vez de medir os movimentos oculares que acompanham o conscientes respostas para instruções de voz.

Introdução

Compreensão da sentença depende da capacidade de integrar rapidamente diferentes tipos de informação linguística e linguística^{1,2,3,4,5,6 , 7 , 8 , 9 , 10 , 11}. pesquisa prévia constatou que jovens tipicamente desenvolvendo crianças (TD) incrementalmente computar o significado de uma frase de linguística e linguística sugestões^{12,13,14, 15,16,17,18,19}. No entanto, atualmente há uma escassez de pesquisa explorando como pré-escolares com autismo entendem uma frase usando diferentes tipos de pistas. Os mecanismos subjacentes a sua compreensão da frase permanece em grande parte obscuro.

É geralmente reconhecido que existe uma enorme variabilidade nas habilidades de linguagem das crianças com autismo, especialmente em sua linguagem expressiva; por exemplo, algumas crianças com autismo têm linguagem estrutural relativamente bom, alguns apresentam défices em domínios lexicais e gramaticais, alguns demonstram gramática deficiente e alguns nunca adquirem a linguagem falada funcional^{20,21 ,22,23,24,25}. Além disso, pesquisas anteriores parecem sugerir que a sua linguagem receptiva é relativamente mais deficiente do que sua linguagem expressiva^26,,^27,28,29. A maioria das pesquisas que avaliou as habilidades de compreensão de sentença de crianças com autismo têm usado tarefas off-line (por exemplo, padronizados, testes, relatórios de cuidador), e os achados sugerem que suas habilidades de compreensão de sentença podem ser particularmente prejudicada^{30,31,32,33,34,35,36,37}. No entanto, ele tem sido apontado que as habilidades de compreensão pobre mais provavelmente estão relacionadas com falta total destas crianças de responsividade social do que aos défices^38,39de processamento de linguagem. Nota que estas tarefas off-line usadas em pesquisas anteriores, muitas vezes exigem alta resposta demandas ou interações com os experimentadores, que possam apresentar dificuldades específicas para crianças com autismo, porque eles muitas vezes apresentam vários comportamentos desafiadores ou sintomas. Como resultado, podem interagir com a alta demanda de tarefas e comunicação e suas habilidades de compreensão da máscara [para uma visão geral dos métodos de avaliação de linguagem receptiva em crianças com autismo, consulte Kasari et al (2013)²⁷ e Plesa-Skwerer et al. ( 2016)²⁹]. Assim, paradigmas experimentais que melhor podem controlar estes fatores de confusão são obrigadas a entender melhor a natureza dos mecanismos de processamento de sentença em autismo.

No estudo atual, apresentamos uma paradigma de olho-de rastreamento que pode diretamente e efetivamente avaliar habilidades de compreensão de sentença de crianças com autismo. Em comparação com tarefas off-line, acompanhamento de olho é um mais sensível testes paradigma para demonstrar capacidade de compreensão das crianças. É sensível para o curso de tempo do processo de compreensão e não requer nenhum motor explícita ou respostas de linguagem do participante, tornando-se um método promissor para estudar as crianças mais jovens e minimamente verbais crianças com autismo. Além disso, nós gravamos os movimentos oculares como respostas automáticas para entrada linguística em vez de medir os movimentos oculares que acompanham o conscientes respostas à entrada linguística.

Protocolo

Este estudo foi aprovado pelo Comitê de ética da escola de medicina na Universidade de Tsinghua. Foi obtido consentimento informado de todos os participantes individuais incluídos no estudo.

1. participante triagem e preparação do estudo

1. Recrute a língua mandarim pré-escolares com autismo.
   Nota: Seu diagnóstico deve ser confirmado por neurologistas pediátricas nos hospitais usando o DSM-IV-TR⁴⁰ ou DSM-5⁴¹ e, idealmente, o número de participantes deve ser nada menos que 15. O presente estudo recrutou 25 participantes com diagnóstico confirmado.
2. Avalie cada participante independentemente, usando instrumentos de diagnóstico padrão-ouro, como o horário de observação diagnóstico autismo⁴².
3. Medida do IQ verbal dos participantes usando o Wechsler pré-escolar e primário escala de inteligência-IV (CN), um teste de QI padronizado projetado para língua mandarim crianças entre as idades de 2-6 e 6-11⁴³.
   Nota: Os escores de QI verbais das crianças com autismo no presente estudo foram todos acima de 80. Eles eram todos filhos de alto funcionamento com autismo.
4. Calcule o comprimento de cada participante do enunciado (MLU), dividindo o número total de palavras pelo número de declarações em cada amostra de discurso. Grave 100 declarações para cada participante de qualquer de suas interações com os pais ou professores. Em seguida, calcule o MLU, dividindo o número total de palavras em expressões do cada participante por 100.
   Nota: MLU indica os níveis de complexidade de frase do participante.
5. Recrute crianças TD. Idealmente, corresponder as crianças TD para as crianças com autismo para idade (grupo TD 1), MLU (grupo TD 2) e QI verbal (grupo TD 3).
   Nota: O presente estudo recrutou 50 crianças TD (25 meninos e 25 meninas) de jardins de infância locais. 25 combinados para as crianças com autismo para idade e 25 combinados para as crianças com autismo para MLU e IQ verbal.

2. warm-up

1. Convide os participantes para uma sessão de warm-up antes do teste real. Introduzir o participante no ambiente de pesquisa e interagir com ele ou ela para estabelecer um bom relacionamento.
   Nota: Isto pode ser feito no mesmo dia em que a sessão de teste ou organizado em um dia diferente. Na sessão de warm-up, dois experimentadores estão normalmente envolvidos em interagirem com o participante usando brinquedos e adereços.

3. condições e delineamento Experimental

1. Construa os estímulos de teste. Crie 12 itens de destino, cada um composto por um estímulo visual e duas sentenças faladas que contém os marcadores morfológicos BA e BEI, respectivamente. Construir as sentenças faladas, usando a mesma estrutura: marcador morfológico, frase de substantivo (NP) + advérbio + verbo frase (VP) (ver exemplos 1a e 1b abaixo).
   Nota: O marcador BA indica que o seguinte NP é o destinatário do evento exploração (ver 2a), e BEI indica que o seguinte NP é o iniciador do evento (ver 2b). O NP, sujeito de uma sentença em mandarim, muitas vezes pode ser omitido quando o referente da PN é contextualmente disponível.
   
   Exemplo:
   (1) r. BA shizi qingqingdi bao-le qilai.
            BA leão levante suavemente
   Significado: Alguém gentilmente detém o leão.
   b. BEI shizi qingqingdi bao-le qilai.
            BEI leão levante suavemente
   Significado: Alguém gentilmente é realizada pelo leão.
   (2) r. BA + [NP]_{destinatário}
   b. BEI + [NP]_iniciador
   1. Use o Pixelmator (ou outro editor de imagem) para criar imagens visuais. Abra o Pixelmator. Clique no ícone do Pixelmator. Crie uma imagem visual de um modelo. Clique em Mostrar detalhes no seletor de modelo. Clique duas vezes no modelo para abri-lo. Ajuste a largura, altura, resolução e profundidade de cor dos menus pop-up. Digite os parâmetros relevantes. Clique Okey.
   2. Use o Praat (ou outro editor de áudio) para construir sentenças faladas. Configure o microfone. Praat aberto. Clique no ícone do Praat. Selecione o Registro Mono som do menu novo . Defina as condições de gravação clicando na opção de taxa de amostra de 44100. Clique no botão gravar .
   3. Grave as frases faladas, pedindo um Beijing mandarim-falante nativo para produzir as sentenças em forma de criança-dirigido. Salve as gravações clicando em salvar.
      Nota: Normalmente, 12 a 16 itens de destino são construídos para estudos de compreensão sentença com crianças. Teste de estímulos podem ser criados usando outra imagem e editores de áudio para um estudo do mundo visual.
2. Construa imagens visuais, cada um contendo duas fotos. As duas fotos mostram o mesmo evento envolvendo os mesmos personagens. Inverta os papéis de evento (iniciador ou destinatário) dos dois personagens nas duas fotos. Fazer uma imagem compatível com a construção contendo BA (evento de BA-alvo) e outra com a construção contendo BEI (evento de BEI-alvo). Um exemplo é fornecido na Figura 1.
   Nota: Esta figura foi reimpresso com permissão de Zhou e Ma (2018)¹⁹.
3. Contrapeso e randomização: dividir os ensaios de alvo em duas listas experimentais, com um participante vendo cada estímulo visual, mas ouvindo único das frases gravadas para o estímulo. Contrabalançar as sentenças faladas contendo BA e BEI entre as duas listas experimentais, com 6 construções contendo BA e 6 contendo BEI. Adicionar itens de enchimento 12 para cada lista experimental e organizar os ensaios de alvo e enchimento em uma ordem aleatória. Atribua aleatoriamente os participantes para as duas listas.

4. procedimento

1. Procedimento de acompanhamento de olho.
   1. Convide os participantes a sentar-se confortavelmente na frente do monitor de exibição do controlador remoto do olho. Defina a distância entre os olhos dos participantes e o monitor ao redor de 60 cm. executar os procedimentos padrão de calibração e validação, pedindo aos participantes para se fixar em uma grade de cinco alvos de fixação em sucessão aleatória.
   2. Apresente os participantes com uma frase falada enquanto eles estão vendo uma imagem visual, como fez no mundo visual padrão paradigma^10,44. Use a opção de acompanhamento de olho monocular seguindo o olho que está do mesmo lado como o iluminador do tracker do olho. Grave os movimentos de olho do participante usando o tracker do olho.
      Nota: O tracker do olho usado no presente estudo permite olho-monitoramento remoto com uma taxa de amostragem de 500 Hz.
2. Teste e medição.
   1. Teste os participantes individualmente. Simplesmente dizer aos participantes de ouvir as sentenças faladas enquanto eles estão vendo as fotos. Pergunte a um experimentador para monitorar o participante no computador e uma para ficar atrás do participante e descansar suavemente as mãos sobre os ombros do participante para minimizar movimentos bruscos do participante.
   2. Medir os movimentos oculares do participante que surgem como respostas automáticas para a entrada linguística usando o tracker do olho.
      Nota: A tarefa não peça aos participantes para fazer qualquer julgamento consciente sobre as sentenças faladas para minimizar sua carga computacional. O tracker do olho regista automaticamente os movimentos oculares.
   3. Acompanhamento durante o teste: usar o modo visualizador ao vivo na tela do computador, exibida pelo tracker do olho durante o teste, para observar o participante a olhar o comportamento. Pergunte o experimentador que monitora a coleta de dados via o modo visualizador ao vivo para sinalizar para o experimentador que apoia o participante a reorientar o participante se seu olhar olho vagueia fora da tela do computador.

5. análise e tratamento de dados

1. Código de fixações dos participantes em duas áreas de interesse. Use o Visualizador de dados para desenhar as áreas de interesse de duas: BA-alvo do evento e BEI-alvo do evento (ver Figura 1). Visualizador de dados abertos. Selecione um dos ícones de forma de área de interesse na barra de ferramentas. Use o mouse para arrastar uma caixa ao redor da região que você deseja definir como área de interesse. Salve a área de interesse na pasta definida de área de interesse. Aplicam-se a área de interesse a outras imagens visuais.
   Nota: Os eventos retratados no painel superior da Figura 1 corresponde a BA-construção, portanto, o evento BA-alvo e o evento retratado no inferior painel fósforos Figura 1b, portanto, o evento de BEI-alvo. O software usado para codificação de dados é um visualizador de dados, que vem com o tracker do olho utilizado no estudo. Outro software de análise de dados também está disponível.
2. Analise os padrões de olhar olho usando o Visualizador de dados.
   1. Visualizador de dados abertos. Escolha a função de relatório de exemplo no menu para definir as janelas de tempo para análise (por exemplo, todas as 200 ms para a janela de tempo no presente estudo). Use a mesma função de bloqueio de tempo a fixação proporções em áreas de interesse para o aparecimento do marcador para cada julgamento. Exporte os dados brutos em um arquivo do excel usando a função de exportação do menu.
   2. Use as funções do excel, a média as proporções de fixação após o aparecimento do marcador para cada área. Use as funções do excel para calcular as proporções de fixação em cada janela de tempo de 200 ms durante um período de ms 5200 (o comprimento das frases de destino + 200 ms) desde o início do marcador para as duas áreas. Aplica modelos lineares mistos-efeitos para os dados de movimento do olho, detalhados no representante resultados abaixo.
      Nota: O uso de 200 ms como uma janela de tempo se baseia o procedimento padrão para analisar dados de olhar olho filho na literatura^{12,13,18,19,45, 46,47}e é geralmente assumido que leva cerca de 200 ms para observar os efeitos dos marcadores linguísticos no olho movimentos⁴⁸.

Resultados

O presente estudo utiliza pares mínimos como exemplos 1a e 1b para investigar se e como rapidamente as crianças com autismo podem usar informações de evento codificadas em dois marcadores morfológicos durante a compreensão da frase em tempo real. Foi previsto que se eles são capazes de rapidamente e efetivamente usar informações de evento dos dois marcadores durante a compreensão da frase em tempo real, então eles devem olhar mais no evento BA-alvo quando ouvir BA do que quando...

Discussão

No estudo atual, apresentamos uma paradigma de olho-de rastreamento que pode diretamente e efetivamente avaliar as habilidades de compreensão de sentença de crianças com autismo. Nós achamos que crianças de 5 anos com autismo, como seus pares TD idade-combinadas, exibiram olho olhar os testes padrões que refletem o uso eficaz e rápido de pistas linguísticas durante a compreensão da frase em tempo real.

Os resultados fornecem evidências de que o olho de monitoramento (em particular, o...

Materiais

Name	Company	Catalog Number	Comments
EyeLink 1000 plus eye tracker	SR Research Ltd.		The EyeLink 1000 plus allows remote eye tracking, without a head support. The eye tracker provides information about the participant’s point of gaze at a sampling rate of 500 Hz, and it has accuracy of 0.5 degrees of visual angle.