언어-말하기 표본 분석 및 비공식 평가

언어-말하기 표본 분석 및 비공식 평가는 표준화된 검사의 고정된 조건 하에서가 아니라 대화, 이야기, 또는 놀이에서 발생하는 개인의 의사소통을 기술적으로 평가하는 것입니다. 발화 길이, 문법적 정확성, 어휘 다양성, 명료도, 이야기 구성과 같은 측정치를 위해 대표적인 말하기 및 언어 표본이 기록, 전사 및 분석되어 기능적 언어 사용에 대한 그림을 제공합니다.

Definition

언어 표본 분석은 평균 발화 길이, 문법적 및 어휘적 지수, 이야기 구조와 같은 측정치를 사용하여 의사소통 능력을 기술하기 위해 개인의 자발적인 말하기 및 언어의 대표적인 표본을 유도하고, 전사하고, 체계적으로 분석하는 것입니다.

Scope

이 주제는 자연스러운 의사소통을 표본 추출하는 근거, 표본을 유도하고, 전사하고, 분할하고, 코딩하는 절차, 그로부터 도출되는 일반적인 정량적 및 기술적 측정치, 그리고 표준화된 검사에 대한 비공식 평가의 장점과 한계를 다룹니다. 이는 개인을 평가하기 위한 절차가 아니라 방법론에 대한 참고 자료로 제시됩니다.

Core questions

• 표본은 어떻게 개인의 일상적인 의사소통을 대표하도록 만들어지는가?
• 표본에서 도출된 측정치 중 어떤 것이 언어 능력을 가장 신뢰성 있게 반영하며, 표본 길이가 신뢰성에 어떻게 영향을 미치는가?
• 기술적 표본 추출이 표준화된 검사가 할 수 없는 무엇을 밝혀낼 수 있으며, 그 반대는 어떠한가?
• 전사 및 코딩 결정은 시간 경과에 따른 비교를 지원할 만큼 충분히 일관되게 유지되는가?

Key concepts

• 자연스러운 의사소통의 대표적 표본 추출
• 유도 맥락 (대화, 이야기, 놀이, 설명)
• 전사 및 발화 분할
• 평균 발화 길이 (MLU)
• 어휘 다양성 및 문법적 측정치
• 이야기 거시 구조 및 미시 구조
• 명료도 분석
• 기술적 비교를 위한 참고 데이터베이스

Mechanisms

임상의는 하나 이상의 맥락에서 연결된 발화를 유도하고, 이를 기록하며, 분할된 발화로 전사합니다. 전사본으로부터 정량적 지수(예: 평균 발화 길이, 어휘 다양성 측정치, 문법 구조의 수) 및 기술적 분석(예: 이야기 거시 구조)이 계산되며, 이는 참고 데이터베이스와 비교될 수 있습니다. 이러한 측정치의 타당성은 표본이 대표적이고 충분한 길이를 갖는지에 달려 있습니다. 짧은 전사본은 일부 측정치의 추정치를 덜 안정적으로 만들 수 있으므로, 길이는 그 자체로 방법론적 변수입니다(Heilmann, Nockerts, & Miller, 2010). 이야기 점수 체계는 문장 수준의 측정치를 넘어 담화 구성으로 표본 추출을 확장합니다(Heilmann, Miller, Nockerts, & Dunaway, 2010).

Clinical relevance

언어 표본 추출은 표준화된 점수를 보완하는 기능적이고 맥락이 풍부한 정보를 제공하며, 규준 참조 검사를 사용할 수 없거나 개인의 배경에 적합하지 않을 때 특히 유용할 수 있습니다. 이 항목은 이러한 표본이 어떻게 수집되고 분석되는지, 그리고 무엇을 보여줄 수 있고 보여줄 수 없는지를 설명합니다. 이는 개인을 평가하기 위한 프로토콜이 아니라 참고 자료입니다.

Evidence & guidelines

언어 표본 측정치에 대한 연구는 그 안정성이 전사본의 길이와 일관된 전사 및 코딩에 달려 있으며, 참고 데이터베이스는 공식적인 규준의 제약 없이 기술적 비교를 가능하게 함을 보여줍니다(Heilmann, Nockerts, & Miller, 2010; Heilmann, Miller, Nockerts, & Dunaway, 2010). 표본 추출은 특히 일부 공식 검사의 심리측정학적 한계가 문서화되어 있음을 고려할 때, 표준화된 검사를 보완하는 것으로 자주 권장됩니다(McCauley & Swisher, 1984).

History

아동의 자발적 언어에 대한 기술적 분석은 발달 연구에서 오랜 전통을 가지고 있으며, 임상 언어 표본 분석은 20세기 후반에 구조화된 전사 및 코딩 규칙, 그리고 이후 컴퓨터 지원 전사 분석 및 참고 데이터베이스를 통해 체계화되었습니다. 이후 연구는 어떤 측정치가 신뢰할 수 있는지, 그리고 전사본 길이를 포함한 표본 추출 조건이 측정치에 어떻게 영향을 미치는지 정교화했습니다(Heilmann, Nockerts, & Miller, 2010).

Debates

안정적인 측정치를 얻기 위해 표본은 얼마나 길어야 하는가?

언어 표본에서 도출된 일부 지수는 충분히 긴 전사본에서만 안정화되므로, 매우 짧은 표본은 능력을 잘못 나타낼 수 있습니다. 실현 가능성과 측정 안정성 사이의 균형은 활발한 방법론적 고려 사항입니다.

Key figures

• Jon Miller
• John Heilmann
• Ann Nockerts
• Robin Chapman

Seminal works

• heilmann-2010-length
• heilmann-2010-databases

Frequently asked questions

언어 표본 추출은 표준화된 검사와 어떻게 다른가?

표준화된 검사는 통제된 조건 하에서 고정된 반응을 규준과 비교하는 반면, 언어 표본은 개인이 자연스러운 맥락에서 실제로 어떻게 의사소통하는지 기술하여, 구조화된 검사가 놓칠 수 있는 기능적 사용을 포착합니다.

전사본 길이와 일관된 코딩이 강조되는 이유는 무엇인가?

일부 표본 기반 측정치는 적절한 길이에서만 안정화되고, 전사 및 코딩 선택이 수치에 영향을 미치기 때문에, 이러한 요소를 통제하는 것은 측정치가 신뢰할 수 있고 시간 경과에 따라 비교 가능하도록 하는 데 필수적입니다.