文献

J-GLOBAL ID：201802243573421566   整理番号：18A0803162

失読症の家族性リスクの個別化早期予測:乳児語彙発達の研究【JST・京大機械翻訳】

Individualized Early Prediction of Familial Risk of Dyslexia: A Study of Infant Vocabulary Development

著者 (5件)： Chen Ao (Department of Psychiatry, Brain Center Rudolf Magnus, University Medical Center Utrecht) ,  Chen Ao (Utrecht Institute of Linguistics OTS, Utrecht University) ,  Wijnen Frank (Utrecht Institute of Linguistics OTS, Utrecht University) ,  Koster Charlotte (Center for Language and Cognition Groningen, University of Groningen) ,  Schnack Hugo (Department of Psychiatry, Brain Center Rudolf Magnus, University Medical Center Utrecht)
資料名： Frontiers in Psychology (Web)  (Frontiers in Psychology (Web))
巻： 8  ページ： 156  発行年： 2017年 
JST資料番号： U7096A  ISSN： 1664-1078  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 著者らは,年齢の17~35か月の間に,失読症の家族性リスク(FR)および典型的に発達している(TD)小児における初期語彙発達を調べた。個々のレベルでこれらの語彙データを用いてTDとFRを分類するためにサポートベクトルマシンを訓練した。McArthur-Bates Communicative Development Inventory(Word and Sentences)(N-CDI)のオランダ版を用いて,語彙の発達を測定した。著者らは,語彙クラスだけでなく,共通名詞,述語,および閉鎖クラス単語の両方に対するグループレベルの違いを分析した。分類モデルの一般化可能性を,交差検証を用いてテストした。グループレベルでは,総語彙と複合材料の両方について,TDとFRの間の差は19~20か月で最も顕著であり,FRsはより低いスコアを有していた。個々の予測に対して,最も高い交差検証精度(68%)が19~20か月で得られ,感度(正しく分類されたFR)は70%,特異性(正しく分類されたTD)は67%であった。FRとTDの間の差が最も明白である敏感な窓がある。機械学習法は,読み取りを開始する前に,早期にFRとTDの子供を分離するための有望な技術である。Copyright 2018 The Author(s). All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  *語彙 ,  *乳児 ,  オランダ王国 ,  単語 ,  子供 ,  名詞 ,  サポートベクトルマシン ,  複合材料 ,  機械学習
準シソーラス用語： 特異性 ,  スコア ,  分類モデル ,  述語 ,  *失読症 , 【Automatic Indexing@JST】

著者キーワード (5件)： 失読症 ,  語彙獲得 ,  機械学習 ,  予測 ,  発達軌跡

分類 (2件)： 中枢神経系  (EJ12030F) ,  神経系の疾患  (GN03000O)

タイトルに関連する用語 (9件)： 失読症 ,  家族 ,  リスク ,  早期 ,  予測 ,  乳児 ,  語彙 ,  発達 ,  研究