针对巴西成年人的“理解过程中句法处理能力评估测试”(TASComp)的计算机化改编及有效性验证

《Frontiers in Human Neuroscience》:Computerized adaptation and validity evidence of the test of assessment of syntactic processing in comprehension (TASComp) in Brazilian adults

【字体: 大 中 小 】 时间:2026年03月20日 来源:Frontiers in Human Neuroscience 2.7

编辑推荐:

  摘要 引言:尽管在识别临床人群中的理解和表达缺陷方面起着关键作用,但用于评估巴西葡萄牙语句法的工具仍然很少。本研究旨在开发计算机化的“理解中的句法处理评估测试”(TASComp),并调查与巴西成年人句子阅读理解相关的有效性证据。 方法:程序包括为PsyToolkit平台

  摘要
引言:尽管在识别临床人群中的理解和表达缺陷方面起着关键作用,但用于评估巴西葡萄牙语句法的工具仍然很少。本研究旨在开发计算机化的“理解中的句法处理评估测试”(TASComp),并调查与巴西成年人句子阅读理解相关的有效性证据。

方法:程序包括为PsyToolkit平台调整刺激材料、由专家评委进行内容验证,以及对最终版本进行心理测量分析,该版本针对102名健康成年人进行测试,这些参与者被分为面对面(n=45)和在线(n=57)两种 administration 方式。

结果:TASComp显示出令人满意的内容有效性,其内容有效性指数(S-CVI)为0.87,内部一致性也足够高(KR-20 = 0.66)。句法复杂性的效应得到了证实,可逆被动语态与不可逆被动语态的结果存在显著差异(t = 3.08, p = 0.003, d = 0.31),宾语分裂句与主语分裂句之间存在显著差异(t = 5.30, p < 0.001, d = 0.53),以及中心嵌入式关系从句与右分支关系从句之间存在显著差异(主语从句:t = 6.80, p < 0.001, d = 0.67;宾语从句:t = 3.52, p = 0.001, d = 0.35)。此外,右分支主语关系从句的准确性高于右分支宾语关系从句(t = 3.78; p < 0.001, d = 0.37)。在所有句子类型中,面对面和在线 administration 方式之间没有发现准确性的显著差异(p > 0.05)。贝塔回归模型显示,教育年限(χ2 (1) = 15.74, p < 0.001)和年龄(χ2 (1) = 7.98, p = 0.01)是理解准确性的显著预测因素,而 administration 方式则不是(χ2 (1) = 0.27, p = 0.61)。

讨论:基于反应过程的有效性证据得到了观察,因为该工具成功地区分了不同水平的句法复杂性,在需要高工作记忆要求的结构(如宾语分裂句和中心嵌入式及宾语关系从句)中表现出显著的性能差异。在面对面和在线 administration 方式之间没有发现显著差异,表明这两种方式都能评估句子阅读理解,且不会影响心理测量质量。此外,研究结果表明年龄和教育年限对句法处理和阅读理解有显著影响。

结论:TASComp展示了充分的有效性和临床相关性。该工具有望检测出其他评估方法常常忽略的细微语言缺陷,因为它包含了46种复杂的句法结构。

1 引言
句法处理包括一系列认知操作,这些操作支持在语言理解和表达过程中逐步构建语法结构(Blake等人,2025;Caplan等人,2016;Rodrigues等人,2024)。这一过程涉及成分的层次组织、依存关系的计算以及句法和语义信息的实时整合(Breder和Rodrigues,2026;Caplan,2016)。这些机制的紊乱可能导致句子层面的理解缺陷(Rodrigues等人,2024)。语言评估,特别是在句法层面,对神经认知障碍和与成人认知衰退及痴呆相关的早期变化非常敏感(Gilardone等人,2024;Ivanova和Dronkers,2022;Kaltsa等人,2024;Sung等人,2020)。在成人神经发育障碍中,如注意力缺陷/多动障碍(ADHD)(Hill等人,2025;Jepsen等人,2025;Oliveira和Corrêa,2023;Parks等人,2022)和发展性语言障碍(Bishop等人,2017;Blake等人,2025;Corrêa和Augusto,2013;Tucci和Choi,2023),句法表达和理解也可能受损,其缺陷在句子和话语层面都有体现。因此,句法处理的评估不应仅限于失语症患者;相反,它应该被纳入对广泛成人临床群体的句法和语义界面的综合研究中(Gilardone等人,2024;Ivanova和Dronkers,2022;Kaltsa等人,2024;Murray,2018;Thothathiri等人,2023;Wallace等人,2023)。句法评估的诊断价值在于复杂结构的高处理要求,其表现不仅受语言缺陷影响,还受工作记忆容量减少的影响(Caplan等人,2016;Murray,2018;Poulisse等人,2019;Sung等人,2017)。尽管语言处理能力在衰老过程中保持稳定(McKoon和Ratcliff,2018;Silagi等人,2023;Solomons等人,2025),但由于执行功能下降,处理复杂句子时仍可能出现句法困难(Murray,2018;Poulisse等人,2019;Sung等人,2020)。这些缺陷即使在健康老龄化过程中也可能作为认知困难的临床前指标(Feigin等人,2017;Kaltsa等人,2024;Van Oers等人,2018)。此外,教育和终身读写能力可以作为保护因素,防止语言能力因认知衰退而下降(López-Higes等人,2023;Riffo等人,2025)。这些因素对于维持语言能力至关重要(Pereira和Ortiz,2022),也可以刺激处理复杂句子所需的注意力和执行资源(Akashi和Ortiz,2018;Malcorra等人,2022)。句子理解评估必须基于识别与处理成本增加相关的句法配置的心理语言学参数。这些成本主要与偏离规范的主语-动词-宾语(SVO)顺序的结构以及涉及句法位移的结构有关(Rodrigues等人,2024)。被动句通过将主动句的宾语提升到主语位置(“The fence was painted by the worker”;巴西葡萄牙语:A cerca foi pintada pelo funcionário)或降低或省略施事者(“The worker was fired last week”;巴西葡萄牙语:O funcionário foi demitido na última semana)来体现这种偏差,这破坏了主题角色与语法功能之间的规范映射,并增加了对句法解析的依赖(Corrêa等人,2017;Sung等人,2020)。在可逆被动句中,处理难度加剧,因为动物性不限制主题角色的分配(“The man was greeted by his friend”;巴西葡萄牙语:O homem foi cumprimentado pela sua amiga);而在语义内容不合理的情况下(“The police officer was chased by the criminal”;巴西葡萄牙语:O policial foi perseguido pelo bandido),处理难度增加,这限制了语义启发式的使用,并迫使人们更依赖结构线索(Christianson等人,2006;Ferreira等人,2002)。对于依赖“足够好”处理策略的人群(如老年人),这些要求尤其具有挑战性,他们可能更重视语义合理性而非详细的句法分析,有证据表明在这些群体中巴西葡萄牙语被动句的处理成本更高(Ferrari,2017;Hübner等人,2022;Souza,2023)。涉及填充词-空缺依赖关系的结构(如分裂句和关系从句)也会产生额外的处理成本。分裂句由一个矩阵从句和一个关系从句组成,后者通过连词“it is”引入(在巴西葡萄牙语中为“é”),并编码与焦点成分相关的依存关系(Alves等人,2015)。这些句子的复杂性在于焦点成分的句法移动,会在其原始位置留下痕迹(“It is the girl [who __ is helping the woman]”;巴西葡萄牙语:é a menina que está sendo ajudada pela mulher)。关系从句涉及成分移动到句子中的先行词位置,在关系代词之后立即留下空缺(“The boy [who__ honored the teacher] is an excellent student”;巴西葡萄牙语:O menino que elogiou o professor é um excelente estudante)。宾语分裂句和宾语关系从句由于其位移成分与其空缺之间的线性及结构距离较大,因此比主语对应结构要求更高,增加了工作记忆负担和干扰的可能性(Forster和Corrêa,2016;Friedmann等人,2009;Gibson,1998)。中心嵌入式关系从句通过中断主句并需要维持多个未解决的依存关系而进一步加剧了这一成本,而右分支结构则要求较低的处理成本(Gibson等人,2005)。最后,带有视角动词的句子引入了句法位置与主题角色之间的非规范映射,因为主语表示患者而非施事者(“The patient received the diagnosis from the doctor”;巴西葡萄牙语:O paciente recebeu o diagnóstico do médico),尽管语法上是主动的,但增加了计算需求(Breder和Rodrigues,2026)。这些结构强调了在设计对句子层面处理缺陷敏感的评估工具时控制句法复杂性的重要性(Rodrigues等人,2024)。具有不同句法结构的语言评估对于识别影响阅读理解和复杂信息解释的缺陷至关重要,从而影响日常生活中的沟通能力。尽管个体经常采用补偿策略(如重读、放慢速度和减少干扰),但在句法复杂性增加的条件下,处理缺陷往往会显现出来(Webster等人,2023)。这些困难会显著干扰现代阅读习惯,特别是在数字通信领域,如即时消息,这需要快速处理句子结构(Kinsey等人,2021;Lee和Cherney,2022)。在临床环境中,详细的句法评估是一种敏感的筛查工具,可以发现自发对话或简单理解任务中经常未被发现的细微语言障碍(Sung等人,2020)。因此,语言处理所需的更高认知努力可能导致社交参与度降低,影响老年人群体和依赖技术进行人际交流的成年语言障碍患者(Kinsey等人,2021)。最终,全面的句法评估对于设计临床干预措施也是必要的,需要详细评估语言理解能力。尽管有大量证据表明高成本句法结构(如被动句、关系从句和分裂句)与缺陷相关,但在巴西,用于评估句子理解的标准化工具仍然很少。目前的评估选项主要包括蒙特利尔-图卢兹电池(MTL-BR)的改编版本(Parente等人,2016)和语法接受测试(TROG-2)(Carthery-Goulart等人,2022;Pereira等人,2009)。这两种工具为巴西人群提供了必要的有效性证据,但存在一些局限性。MTL-BR评估不同层次的语言处理,但仅包含八个评估书面句子理解的题目。相比之下,TROG-2旨在评估口语句法理解,在句子子类型的表示上存在不平衡(例如,可逆和不可逆题目之间的差异)以及成分特征(如有生命体与无生命体主语)的变异性。这种刺激材料内的异质性可能会混淆定性错误分析,并妨碍对离散句法结构的精确评估(Ferrari,2022)。

在这种背景下,开发了“理解中的句法处理评估测试”(TASComp)(Ferrari,2022)。该工具使用巴西葡萄牙语设计,采用适合年龄的刺激材料,描绘执行各种动作的人类主体。重要的是,TASComp包含语义上不合理的句子,以要求抑制“足够好”的处理策略(Frances,2024),从而限制了对语义启发式的依赖,并确保表现取决于句法解析(Ferrari,2022)。TASComp基于关于句子处理成本的心理语言学理论构建(Ferrari,2022)。在其结构上,TASComp包含五个部分,每个部分代表一种特定的句法结构:主动句、被动句、分裂句、关系从句和疑问句。这些部分包括反映不同语言复杂性的子类别,共计56个刺激材料,涵盖14种句子类型:主语和宾语关系从句(包括右分支和中心嵌入形式);主语和宾语分裂句;可逆被动句(分为中性或不合理类型)和不可逆被动句;带有视角动词的结构;简单主动句(可逆和不可逆);以及主语和宾语疑问句。TASComp每种句子类型包含四个题目。

原始的TASComp版本是为使用PowerPoint展示刺激材料而设计的。每次试验都会呈现一个目标句子以及一个包含四个基于图像的回答选项(A、B、C和D)的象限。通过在整个视觉阵列中保持句子可见,这种设计减少了句法处理过程中的工作记忆需求(Tan等人,2017),从而能够更精确地评估特定领域的语言障碍。回答记录在打印的协议上,由参与者在小组测试中完成,或由考官在个别会话中完成(Ferrari,2022)。评估分数每个正确回答计一分,这允许对每个部分的累积准确性和任务的总分进行定量评估(Ferrari,2022)。此外,TASComp还包括错误模式分析,以根据受访者的选择阐明潜在的语言障碍性质。语法错误的特点是主题角色的反转,如施事者-患者角色的颠倒,这表明了特定的句法解析失败。词汇错误涉及核心词汇成分的替换,例如选择替代动词,同时保持与原始主题结构一致的解释。最后,混合错误表现为句法和词汇内容的同时改变,反映了语言处理各个领域的多维度损伤(Ferrari,2022)。TASComp的适用性在43名18至57岁的成年人(平均年龄23.41岁,标准差8.76)和10名60至74岁的老年人(平均年龄65.50岁,标准差5.17)中进行了评估,所有参与者都拥有大学学位(Ferrari,2022)。在成人组中,56个句子的正确回答平均数为54.63个(约97.50%),其中8名参与者在关系从句(错误率最高的结构)上出现了错误。老年组的正确回答平均数为51.60个(约92.40%),错误主要发生在关系从句以及整个测试中(Ferrari,2022)。然而,由于老年人样本量较小(n=10),限制了组间比较的数量。尽管TASComp是评估成人句法理解能力的有前景的工具,但其心理测量属性尚未进行分析。开发计算机化版本将使其能够在面对面和远程/在线环境中进行,支持远程神经心理学和跨学科应用(Alva等人,2025;Serrano-Juárez等人,2023)。在这种情况下,验证该测试的在线使用性并检查其心理测量属性是否与传统纸质版本有所不同是至关重要的。当前研究表明,远程和面对面评估结果之间存在强相关性,但在大多数分析的测试中,差异通常没有显著的临床意义(Brown等人,2024;Chapman等人,2021;Krynicki等人,2023)。本研究旨在将TASComp改编为计算机化在线版本,并研究其心理测量属性。具体目标包括:(a) 设计TASComp的计算机化版本;(b) 通过专家判断分析内容有效性;(c) 在试点研究中测试该工具;(d) 基于内部一致性、不同评估方式(面对面和在线)下的反应过程以及句法复杂性,以及与外部变量(年龄和教育年限)的关系来检验有效性。总体而言,该研究旨在为评估成人的书面理解能力提供一个巴西化的计算机化工具。

**材料与方法**

TASComp的计算机化版本分六个阶段开发:(1) 刺激物和数据记录程序的调整;(2) 专家评审;(3) 修订;(4) 试点研究;(5) 评估指导的完善;(6) 最终版本的心理测量属性分析。每个阶段涉及不同的参与者和程序,具体细节如下。该研究已获得机构伦理委员会的批准(批准编号7.719.167)。

**2.1 第一步:TASComp计算机化版本的刺激物调整**

在此阶段,TASComp的刺激物被设计到PsyToolkit(Stoet,2016)平台中。选择该平台是因为它能够以评估设计的方式呈现刺激物、记录参与者的反应时间和反应时间。原始版本中的疑问句块(Ferrari,2022)因刺激物呈现的变异性而被排除。在线版本包含48个项目,分为五种句型:主动句(12个项目)、被动句(12个项目)、关系从句(16个项目)和分裂句(8个项目)。还包括两个训练刺激物。表1展示了TASComp各块中的句子示例。

**表1 句法从句类型及示例**

| 句法从句类型 | 巴西葡萄牙语示例 | 英语翻译示例 |
| --- | --- | --- |
| 不可逆主动句 | A menina está lendo o livro. | The girl is reading the book. |
| 可逆主动句 | A menina está puxando o menino. | The girl is pulling the boy. |
| 具有视角动词的句子 | O rapaz está ganhando o presente da mo?a. | The boy is receiving a gift from the girl. |
| 不可逆被动句 | O quadro está sendo pintado pelo rapaz. | The painting is being painted by the boy. |
| 可逆被动句 | A mulher está sendo consolada pela menina. | The woman is being comforted by the girl. |
| 语义上不可信的可逆被动句 | O repórter está sendo entrevistado pela médica. | The journalist is being interviewed by the doctor. |
| 主语分裂句 | é o soldado que o astronauta está empurrando. | It is the soldier that the astronaut is pushing. |
| 宾语分裂句 | é o menino que está abra?ando o homem. | It is the boy who is hugging the man. |
| 右分支主语关系从句 | O menino cutuca o homem que está quicando a bola. | The boy pokes the man who is bouncing the ball. |
| 中心嵌入主语关系从句 | O rapaz que filma a mo?a está descendo a escada. | The boy that films the girl is going down the stairs. |
| 右分支宾语关系从句 | A figura certa mostra o homem que a mulher está consolando. | The correct figure shows the man that the woman is consoling. |
| 中心嵌入宾语关系从句 | A menina que a mulher observa está subindo o degrau. | The girl that the woman observes is going up the step. |

刺激物被随机化,以最小化由于项目难度导致的表现差异,而不受块的影响。制定了操作手册以标准化评估者的评估过程,任务说明嵌入到计算机化平台中。最后,在任务结束时进行了定性问卷调查,以评估参与者的回答策略和动机。

**2.2 第二步和第三步:内容有效性和重新表述**

**2.2.1 参与者**

在第二步中,22名来自已完成项目评估表的研究人员参与了研究,他们包括心理学和语言学的本科生和研究生。所有参与者均为来自里约热内卢州的巴西研究生。为了建立内容有效性,内容有效性指数(CVI)汇总了专家对项目相关性和清晰度的评分(Yusoff,2019)。该指数基于支持项目必要性的专家比例得出。这种定量验证对于最小化测量误差至关重要,确保工具准确操作预期的理论构念(Lynn,1986)。

计算CVI时,考虑了七名具有硕士学位且隶属于临床心理学或语言研究研究生项目的专家的数据。评审小组包括一名文学和语言研究领域的硕士级研究员和两名博士级研究员,以及一名具有神经心理学和心理测量学经验的临床心理学博士级研究员。

**2.2.2 材料和程序**

为了评估在线TASComp的内容有效性,评审者审查了所有48个项目,每个项目包含一个句子和四个基于图像的回答选项。对于每个项目,他们根据两个标准给出二元(“是”/“否”)回答:(1) 目标图像是否充分代表了句子内容;(2) 干扰项是否与目标项有足够的区别,以便准确解释句子。在表格的第二部分,评审者使用4点李克特量表(1=完全不适当,4=相当适当)对测试说明、布局和定性反馈问卷进行评分,并留有额外评论的空间。

**2.2.3 统计分析**

使用Microsoft Excel(Md Lukmanul Hakim等人,2025;Microsoft Corporation,2024)根据Yusoff(2019)的教程计算指数。对于内容有效性指数(CVI)和量表-CVI(Yusoff,2019)的计算,二元问题的答案“是”得分为1,“否”得分为0。CVI计算为评审者之间的一致性比例,Lynn(1986)建议一致性比例高于0.83为可接受,考虑了六到八位专家的评估。对于李克特量表回答,1和2的值记录为0(不适当),3和4的值记录为1(适当),用于计算目的。本科研究人员的回答被汇总用于定性评估。

**2.3 第三步和第四步:试点研究和最终版本设计**

**2.3.1 参与者**

进行了针对6名18至48岁巴西成年人的试点研究,以评估项目修改后TASComp的可用性和功能性。参与者根据临床访谈中自我报告的没有任何精神疾病、神经系统疾病或认知障碍的历史,被分类为认知健康。试点研究样本包括里约热内卢州的巴西居民,他们正在攻读本科或硕士学位。试点研究后,TASComp的计算机化版本被重新设计为最终版本。

**2.3.2 材料和程序**

通过社交媒体招募了方便样本。在提供知情同意后,参与者完成了社会人口统计和健康问卷,随后进行了TASComp测试。四名参与者通过Zoom在线接受评估,评估者共享屏幕以展示说明、培训和测试项目。两名参与者在研究实验室中面对面接受评估,任务显示在研究者的电脑上。在这两种模式下,评估者都在至少14英寸屏幕的电脑或笔记本电脑上进行测试,确保了参与者的隐私;在线条件下使用了麦克风和耳机。参与者通过口头方式回答,指出他们选择的选项(A–D),由评估者记录。根据准确性和定性可用性反馈,开发了TASComp的最终版本。

**2.3.3 统计分析**

在第三步中,分析包括计算每位参与者的正确回答总数,并使用RStudio和Tidyverse包(R Core Team,2025;Wickham等人,2019)提取结果,同时收集定性数据。从评估者与参与者的对话中获得了定性信息,重点关注对测试设计和界面的反馈、最终说明的清晰度以及从评估者角度出发的整体平台可用性。

**2.4 第五步:TASComp在线版本的心理测量属性**

**2.4.1 参与者**

基于多元线性回归分析的样本计算,进行本研究所需的最小样本量为44人,考虑α=0.05的概率和1?β=0.95的统计功效。用于样本计算的软件是G*Power(Faul等人,2007)。最终测试样本包括102名巴西成年人,他们来自全国各地的不同州,都是巴西葡萄牙语的母语者,至少有5年的正规教育经历,且没有自我报告的神经系统或精神疾病诊断。排除标准包括自我报告的神经发育障碍史、未经治疗的或症状部分缓解的精神疾病、文盲以及未经矫正的听力或视力障碍。参与者分为两组:45人完成了面对面评估,57人完成了远程评估。在线评估的参与者比面对面评估的参与者年轻。表2总结了样本的社会人口统计特征。

**表2 变量**

| 对比组 | 面对面(n=45) | 在线(n=57) | 总计(n=102) | t/(χ2) | p |
| --- | --- | --- | --- | --- |
| 年龄(岁) | 51.20 (20.00) | 42.6 (16.30) | 45.8 (18.06) | 2.65 | 0.009* |
| 学习年限(年) | 17.40 (4.75) | 18.00 (4.05) | 17.80 (4.36) | ?0.64 | 0.53 |
| 性别(%) | 女性 | 24.50 | 33.30 | 57.80 | 0.17 | 0.68 |
| 男性 | 19.60 | 22.50 | 42.20 | |
| 家庭收入(a) | A—21,826.74 | 12.70 | 16.50 | 29.10 | 5.00 | 0.42 |
| B1—10,36 | 1.40 | 7.60 | 21.50 | 29.10 | |
| B2—5,75 | 5.23 | 10.10 | 10.10 | 20.30 | |
| C1—3,27 | 6.76 | 6.30 | 5.10 | 11.40 | |
| C2—1,96 | 5.87 | 5.10 | 2.50 | 7.60 | |
| D, E—9 | 0.60 | 1.30 | 1.30 | 2.50 | |

**a** 根据消费品的拥有情况和教育水平(巴西经济分类标准/ABEP)进行的社会经济分类。

**2.4.2 材料和程序**

样本是非概率性的、基于便利性的,通过大学公告、社交媒体和推荐招募。数据由首席研究员或受过训练的心理学和神经科学本科生单独收集。程序遵循试点研究中描述的步骤。对于在线评估,参与者加入Zoom视频通话,预计他们熟悉技术或需要帮助,并查看评估者共享的屏幕。参与者和评估者都在安静的环境中,使用耳机以减少噪音并确保隐私。面对面TASComp评估在研究实验室或私人房间内的电脑上进行。参与者坐在评估者旁边,距离屏幕适当,以便清晰可见。评估者在参与者口头或通过指认相应字母后记录他们的回答。根据准确性和定性可用性反馈,开发了TASComp的最终版本。

**2.4.3 统计分析**

在第三步中,分析包括使用RStudio和Tidyverse包(R Core Team,2025;Wickham等人,2019)计算每位参与者的正确回答总数,并收集定性数据。从评估者与参与者的对话中获得了定性信息,重点关注对测试设计和界面的反馈、最终说明的清晰度以及从评估者角度出发的整体平台可用性。

**2.4.4 第五步:TASComp在线版本的心理测量属性**

**2.4.1 参与者**

基于多元线性回归分析的样本计算,进行本研究所需的最小样本量为44人,考虑α=0.05的概率和1?β=0.95的统计功效。用于样本计算的软件是G*Power(Faul等人,2007)。最终测试样本包括102名巴西成年人,他们来自全国各地的不同州,都是巴西葡萄牙语的母语者,至少有5年的正规教育经历,且没有自我报告的神经系统或精神疾病诊断。排除标准包括自我报告的神经发育障碍史、未经治疗的或症状部分缓解的精神疾病、文盲以及未经矫正的听力或视力障碍。参与者分为两组:45人完成了面对面评估,57人完成了远程评估。在线评估的参与者比面对面评估的参与者年轻。表2总结了样本的社会人口统计特征。

**表2 变量**

| 对比组 | 面对面(n=45) | 在线(n=57) | 总计(n=102) | t/(χ2) | p |
| --- | --- | --- | --- | --- |
| 年龄(岁) | 51.20 (20.00) | 42.6 (16.30) | 45.8 (18.06) | 2.65 | 0.009* |
| 学习年限(年) | 17.40 (4.75) | 18.00 (4.05) | 17.80 (4.36) | ?0.64 | 0.53 |
| 性别(%) | 女性 | 24.50 | 33.30 | 57.80 | 0.17 | 0.68 |
| 男性 | 19.60 | 22.50 | 42.20 | |
| 家庭收入(a) | A—21,826.74 | 12.70 | 16.50 | 29.10 | 5.00 | 0.42 |
| B1—10,36 | 1.40 | 7.60 | 21.50 | 29.10 | |
| B2—5,75 | 5.23 | 10.10 | 10.10 | 20.30 | |
| C1—3,27 | 6.76 | 6.30 | 5.10 | 11.40 | |
| C2—1,96 | 5.87 | 5.10 | 2.50 | 7.60 | |
| D, E—9 | 0.60 | 1.30 | 1.30 | 2.50 | |

**a** 根据消费品的拥有情况和教育水平(巴西经济分类标准/ABEP)进行的社会经济分类。

**2.4.2 材料和程序**

样本是非概率性的、基于便利性的,通过大学公告、社交媒体和推荐招募。数据由首席研究员或受过训练的心理学和神经科学本科生单独收集。程序遵循试点研究中描述的步骤。对于在线评估,参与者加入Zoom视频通话,预计他们熟悉技术或需要帮助,并查看评估者共享的屏幕。参与者和评估者都在安静、无干扰的环境中,使用耳机以减少噪音并确保隐私。面对面TASComp评估在研究实验室或私人房间内的电脑上进行。参与者坐在评估者旁边,距离屏幕适当,以便清晰可见。评估者在参与者口头或通过指认相应字母后记录他们的回答。任务结束后,评估者完成了定性问卷,记录了回答方式和互动情况,如试点研究中所述。

**2.4.3 统计分析**

对样本进行了描述性分析,包括对社会人口统计变量(年龄和学习年限)和TASComp表现的正态性测试(Shapiro–Wilk)。使用Student’s t-test评估了不同评估方式(面对面 vs. 在线)下的组间差异(年龄和学习年限),以及使用Chi-square测试(χ2)评估了性别和家庭收入。TASComp数据使用RStudio和Tidyverse包(R Core Team,2025;Wickham等人,2019)提取,并在Jamovi(The Jamovi Project,2025)中构建数据框进行分析。提取的数据包括项目级别的准确性、每位参与者的正确回答总数以及按句法块划分的正确回答。计算了每个测试块和总测试分数的均值和标准差。使用Kuder–Richardson 20系数(KR-20)(Kuder和Richardson,1937;Zhang,2022)评估了基于内部结构的有效性证据。通过配对样本t检验比较了与每个测试块的结构复杂性相关的表现差异,以检验基于反应过程的有效性证据。操纵的句法因素包括:主动句和被动句的可逆性(可逆 vs. 不可逆);关系从句和分裂句中的从句类型(主语 vs. 宾语);关系从句的位置(中心 vs. 右分支);以及可逆被动句的语义合理性。此外,使用独立样本t检验比较了不同施测方式(面对面 vs. 在线)下各句法复杂性水平的平均表现。所有t检验均在SPSS 27(IBM Corp,2020)中进行,并采用了偏差校正和加速自助法(BCa)重采样(1,000个样本)以确保估计的稳健性(Field,2017;Haukoos和Lewis,2005)。

为了检验标准有效性,分析了年龄和教育程度对TASComp正确回答总数的影响,同时将施测方式(面对面 vs. 在线)作为因素纳入考虑。在Jamovi(Gallucci,2019)的GAMlj3模块中实现了Beta回归模型(Schmid等人,2013),使用logit链接函数在广义线性模型框架内对准确率(0–1)的总体比例进行建模。对于以比例表示的因变量,Beta回归是更合适的替代方法(Shapiro–Wilk < 0.001;Kerby,2014)。通过使用BCa和1,000次重采样来评估参数估计的稳健性(Haukoos和Lewis,2005)。

3 结果
3.1 第一步:TASComp在线计算机化版本的刺激调整
调整过程的初始阶段产生了专门为TASComp的计算机化版本设计的详细说明。TASComp必须由评估者单独进行管理和记录,不适合自我管理;所有测试交互都使用评估者的鼠标完成。远程和面对面的评估都需要一个安静、光线充足且无干扰的环境。设备要求包括一台至少具有14.6英寸屏幕的计算机和至少20 Mbps的互联网连接。计算机应放置在与参与者眼睛平行的平面上,保持大约60厘米的观看距离。

TASComp的计算机化版本分为四个连续步骤进行:(1)与参与者一起复习说明,(2)两个训练项目,(3)进行包含48个句子的主要测试,(4)评估者完成一份定性问卷。作为一项默读任务,参与者从训练阶段开始可以通过口头方式(说出所选答案的字母)或指认方式来表示他们的回答。每个项目都会提供关于正确性的反馈,每个训练项目允许最多五个错误;超过这个限制会导致测试终止。参与者被告知答案一旦提交就不能更改,并被鼓励迅速回答,因为测试还测量处理速度(每个项目的用时)。

TASComp的预计持续时间约为15分钟,但没有严格的完成时间限制。图1显示了训练阶段之前的步骤示例。

图1 PsyToolkit平台上的TASComp说明和训练示例。

完成48个项目后,屏幕会显示任务结束。然后评估者停止屏幕共享或从参与者的视野中移除显示器,以完成仅供评估者使用的定性问卷。问卷记录了参与者的主要回答方式(口头或指认),包括如果有助手协助的情况下的回答。它还记录了句子是否被大声朗读、重新阅读的情况以及自我纠正(在进入下一个项目之前纠正的错误)。此外,评估者还记录了参与者的动机、合作情况以及任何相关的行为观察,为解释结果提供了必要的临床背景。

最终的TASComp版本通过PsyToolkit链接发布,仅对研究研究人员开放。还创建了一个包含三个测试项目的样本链接,用于培训管理员了解说明和平台使用方法。

3.2 第二步和第三步:内容有效性和重新表述
计算了每个项目和整个量表的内容有效性指数(CVI)。大多数项目的I-CVI为1.00。一个包含视角动词的项目“男孩正在赢得女孩的礼物”的I-CVI为0.57。所有干扰图像的I-CVI值均高于0.83。对于评估,正确答案的量表-CVI(S-CVI)为0.98,干扰项的区分度为0.99。测试布局和最终的定性问卷被认为是适当的(CVI = 0.86),而测试说明需要进一步澄清(CVI = 0.71)。总体而言,考虑到说明、布局和评估者的定性问卷,量表的S-CVI为0.87。

在定性分析中,根据技术和理论标准汇编并评估了评委的评论和结果,建议被接受或拒绝。经过专家审查后,修改了I-CVI最低的图像以使其更清晰。通过添加一顶生日帽来修改图像,以便更好地识别收到礼物的角色。这个修订后的图像得到了测试作者的批准,最终版本的TASComp得到了专家和作者的认可。

3.3 第三步和第四步:试点研究和最终版本
试点研究表明TASComp任务的高接受度和整体理解度。无论年龄或之前的技术经验如何,参与者都对在线平台很熟悉,并且清楚地理解了说明。任务的进行过程中没有参与者提出问题,评估者也确认了平台的可用性。

表现数据显示,大多数项目都回答正确,最低准确率为83.33%。然而,在线模式下,特别是对于选项“B”和“D”的语音区分偶尔会影响记录的可靠性,这促使进行了程序调整。基于这些观察,修订了测试说明和管理手册,以提高程序的清晰度和数据的准确性。具体来说,为了解决在线上的语音歧义,管理员被指示在选择字母“B”或“D”时与参与者进行口头确认,以确保正确记录和收集数据的有效性。

3.4 第五步:TASComp在线版本的心理测量属性
在研究的最后阶段,调查了最终计算机化版本的TASComp的有效性证据。整个测试和每个块的总正确答案分布是非参数的,所有块的Shapiro–Wilk <0.001。计算了每种应用方式(面对面和在线)下每个块(句子类型)以及所有TASComp参与者的均值和标准差(表3)。随后,比较了面对面和在线施测方式下每种句子类型的表现和TASComp的总分,如表3所示。

表3 句子类型 均值(SD) 独立样本t检验 BCa 95% CI 总分(n = 102) 面对面(n = 45) 在线(n = 57)
不可逆主动 3.83 (0.38) 3.80 (0.41) 3.86 (0.35) ?0.80 0.43 ?0.16 0.08 ?0.21 0.10
可逆主动 3.83 (0.45) 3.80 (0.51) 3.86 (0.40) ?0.65 0.52 ?1.33 0.09 ?0.25 0.12
视角动词 3.85 (0.36) 3.84 (0.37) 3.86 (0.35) ?0.21 0.83 ?0.04 0.07 ?0.17 0.15
不可逆被动 3.90 (0.33) 3.84 (0.42) 3.95 (0.23) ?0.78 0.15 ?0.31 0.07 ?0.25 0.03
可逆被动 3.74 (0.47) 3.71 (0.51) 3.75 (0.43) ?0.46 0.65 ?0.09 0.09 ?0.23 0.13
不合理的被动 3.83 (0.42) 3.80 (0.55) 3.86 (0.35) ?0.67 0.50 ?0.14 0.09 ?0.25 0.11
主语分裂 3.91 (0.29) 3.91 (0.29) 3.91 (0.29) ?0.02 0.98 ?0.004 0.06 ?0.11 0.10
宾语分裂 3.52 (0.75) 3.67 (0.48) 3.40 (0.90) 1.77 0.06 ?0.04 20.14 0.02 0.53
右分支主语关系 3.88 (0.32) 3.87 (0.34) 3.89 (0.31) ?0.43 0.67 ?0.09 0.06 ?0.17 0.10
中心嵌入主语关系 3.27 (0.88) 3.24 (0.93) 3.30 (0.84) ?0.30 0.76 ?0.06 0.18 ?0.49 0.33
右分支宾语关系 3.61 (0.66) 3.67 (0.52) 3.56 (0.76) 0.83 0.41 0.16 0.12 ?0.14 0.35
中心嵌入宾语关系 3.25 (0.95) 3.29 (0.99) 3.21 (0.92) 0.41 0.68 0.08 0.19 ?0.35 0.52
总TASComp 44.45 (2.96) 44.44 (2.87) 44.46 (3.05) ?0.02 0.98 ?0.004 0.59 ?1.29 1.26

使用独立样本t检验和BCa置信区间(CI)比较了不同施测方式(面对面和在线)下每种句子类型的表现在。总体而言,所有问题的正确答案比例都很好,最低为3.25分,最高为主语分裂句子的3.91分。

分析显示,大多数语言结构在不同施测方式之间没有显著差异(表3)。使用Kuder–Richardson 20系数(KR-20;Kuder和Richardson,1937)计算了评估的内部一致性,结果为0.66。

为了评估基于反应过程的有效性证据,使用配对样本t检验评估了句法复杂性对参与者每种句子类型准确性的影响(表4)。关于关系从句中宾语和主语提取的区别,在右分支句子中观察到了小到中等的效应。相比之下,中心位置的主语和宾语从句之间的比较产生的效应大小可以忽略不计,未达到统计显著性。此外,在主语和宾语分裂句之间的比较中也观察到了中等效应大小。右分支和中心嵌入主语关系之间的比较产生了中等到大的效应大小,而宾语关系从句的相同位置比较则产生了小到中等的效应。在被动结构中,结果显示不可逆句和可逆句之间存在显著差异,效应大小为小到中等(表4)。

表4 句子类型 配对样本t检验 BCa 95% CI 差异(SD) t值 Cohen’s d 显著性(双尾)
不可逆主动—可逆主动 0 (0.55) <0.001 1.00 0.00 0.06 1.00 ?0.09 0.09
不可逆被动—可逆被动 0.17 (0.55) 3.08 0.00 30.31 0.06 0.006* 0.06 0.28
主语分裂—宾语分裂 0.39 (0.75) 5.30 <0.001 0.53 0.07 0.002* 0.26 0.53
可逆被动—不合理被动 ?0.10 (0.64) ?1.55 0.12 ?0.15 ?0.06 0.13 ?0.21 0.02
右分支主语关系—中心嵌入主语关系 0.61 (0.90) 6.80 <0.001 0.67 0.09 <0.001** 0.46 0.77
右分支宾语关系—中心嵌入宾语关系 0.36 (1.04) 3.52 0.001 0.35 0.10 <0.001** 0.18 0.55
右分支主语关系—右分支宾语关系 0.28 (0.73) 3.78 <0.001 0.37 0.07 0.003* 0.15 0.41
中心嵌入主语关系—中心嵌入宾语关系 0.03 (1.12) 0.26 0.79 0.03 0.11 0.79 ?0.18 0.24

为了检验基于与其他变量关系的有效性证据,将TASComp的总分作为因变量在beta回归模型中进行分析。年龄和教育年限作为协变量纳入考虑,而施测方式(面对面 vs. 在线)被视为固定因素。随后评估了模型拟合指数、参数估计、Omnibus检验和边际效应。通过评估其拟合优度指数确认了广义线性模型的适用性。模型得到了有利的值(LogLikelihood = 172.31,AIC = ?334.62,BIC = ?321.50),表明与其他模型相比具有更好的拟合度和简洁性。模型偏差为78.729,自由度为97。此外,过度离散指标(χ2/df = 0.92)接近于1.00。这是一个关键发现,验证了假设的方差结构和模型规范,确认了拟合模型用于数据分析的稳健性。

Omnibus检验显示,协变量学习年限(χ2 (1) = 15.74,p < 0.001)和年龄(χ2 (1) = 7.98,p = 0.01)在统计上显著,表明对模型的方差有显著贡献。相比之下,主要因素“测试方式”在这一分析水平上未达到统计显著性(χ2 (1) = 0.27,p = 0.61;见表5)。

表5 变量 效果 估计值 SE Exp(B) Exp(B) 95%置信区间 zp 下限 上限
(截距) (截距) 2.53 0.08 12.53 11.02 14.98 30.92 <0.001
年龄 -0.21 0.07 0.81 0.70 0.94 ?2.83 0.005
测试方式 在线—面对面 -0.08 0.15 0.93 0.69 1.31 ?0.52 0.606
教育年限 0.06 0.02 1.06 1.02 1.10 3.97 <0.001

模型的边际效应为?0.015,95%置信区间(CI)范围为?0.03至?0.004。对于教育年限,效应估计为0.004,95% CI范围为0.002至0.01。最后,测试方式(在线 vs. 面对面)的效应为?0.01,95% CI范围为?0.026至0.02。

图2展示了TASComp中正确答案比例与学习年限的散点图,并叠加了beta回归模型的预测值。单个数据点说明了参与者分数在教育连续体上的分布。面对面和在线两种模式的拟合回归线都显示出一致的上升趋势,表明随着学习年限的增加,正确答案的比例也在增加。95%置信区间的大量重叠以及回归线在观察数据点上的紧密接近进一步表明施测方式并未显著改变教育与测试表现之间的关系。

图3展示了观察到的分数与拟合回归线的散点图,说明了年龄与TASComp表现之间的关系。数据点显示出了负相关,即年龄的增长预示着总测试准确率的下降。值得注意的是,面对面和在线两种模式的回归线几乎遵循相同的下降轨迹,这与学习年限分析中观察到的稳定性一致。这表明,测试的实施方式并不会显著影响年龄对测试表现的影响,置信区间的大量重叠就是证据。图3显示了根据年龄分层后,不同测试模式下TASComp正确答案的比例。与这些发现一致,事后成对比较(使用Bonferroni和Tukey调整)显示,面对面测试和在线测试之间的差异在统计上并不显著,估计的平均差异为0.01(SE = 0.01,z = 0.52,p = 0.60)。

讨论

计算机化的TASComp改编结果显示了令人满意的可用性和稳健的心理测量属性,支持其适用于年轻人和老年人,并且有可能应用于临床人群。TASComp表现出很强的内容有效性,大多数项目和干扰项的得分超过了0.83的阈值(Lynn, 1986)。这些结果证实,图片提供了目标句子的明确视觉信息。值得注意的是,干扰项的高有效性确保了任务最小化了由视觉混淆引起的误判。通过遵循严格的构建协议以避免视觉错误(Ferrari, 2022),TASComp确保了参与者的表现在反映语言能力、词汇和句法能力,而不是视觉解码能力,这是句子理解语言评估的重要要求。因此,高CVI分数证明了该测试的适当性,使其成为一种可靠的工具,可以在不受无关信息干扰的情况下评估语言处理能力。相反,一个涉及视角转换动词的题目在专家之间的共识较低,未能达到适当性标准。原始的巴西葡萄牙语句子是“O rapaz está ganhando o presente da mo?a.”(男孩正在接收女孩的礼物),后来作者对其进行了修改以提高清晰度。这一孤立缺陷突显了图片在捕捉语义关系概念方面的局限性,表明依赖视角的动词需要更明确的视觉线索来确保有效性。因此,这些结果证明了TASComp的内容有效性(American Educational Research Association等人,2014)。

适应计算机平台(Stoet, 2016)使得参与者能够有效地与指令和刺激材料互动,同时也便于考官记录反应并整合刺激材料,而无需辅助协议。由于需要标准化的管理和准确的记录,管理员选择反应仍然具有挑战性;然而,在修改指令后没有观察到任何问题,这证实了该测试适用于远程神经心理学应用。这一发现代表了显著的进步,解决了巴西在语言评估工具(特别是用于评估句子处理的计算机化工具)有限可用性方面的关键问题。

先前进行的试点研究对于确保最终阶段的适用性至关重要,它允许对指令进行精确调整,并使程序标准化。这种方法论方法证实了按照严格和系统的步骤调整心理测量工具的重要性,以确保测量的技术质量和有效性,这符合国际标准的建议(American Educational Research Association等人,2014)。

描述性分析显示了高准确率,反映了该测试对非临床健康成人样本的适用性。这种表现证明了评估的总体适当性;鉴于预期这一人群的语言理解能力保持完好,观察到的错误很可能是由于执行处理能力限制而非主要的语言缺陷(Caplan等人,2016;Poulisse等人,2019;Sung等人,2017)。关于内部一致性,Kuder–Richardson 20(KR-20;Kuder和Richardson,1937)指数显示的结果较为边缘。然而,这一指标应结合数据的性质来解释。心理测量文献(Streiner,2003)警告说,可靠性系数直接依赖于分数的方差。鉴于样本的同质性(由健康成人组成且教育水平较高),以及项目的二分性质(正确或错误答案),观察到的方差限制(天花板效应)倾向于低估内部一致性,并不一定表明工具的可靠性存在缺陷。然而,应在异质样本中验证内部一致性,这也影响了分数的异质性。

基于TASComp反应过程的效度得到了在线和面对面组之间平均准确率比较的支持,结果显示在几乎所有语言条件下都没有显著差异。这些发现与最近的远程神经心理学文献一致,表明适当改编的计算机化语言评估可以产生与传统纸笔测试相当的结果(Brown等人,2024;Chapman等人,2020;Krynicki等人,2023)。因此,计算机化测试可以被认为是心理测量上有效的,提供了一种可靠且有效的机制来评估语言和认知功能,其结果与已建立的常模数据一致(American Educational Research Association等人,2014;Brown等人,2024)。这些结果支持TASComp适用于在线测试。

关于最终版本,通过比较每种句法结构获得的平均准确率来检验基于反应过程的效度证据。这些结果与心理语言学文献一致,证实了TASComp对不同复杂程度句子所施加的认知需求的敏感性。结果显示,参与者在不可逆被动句上的表现明显优于可逆被动句。这一结果可以解释为,被动语态代表了从典型主谓宾顺序的偏离(Corrêa等人,2017;Townsend和Bever,2001)。这种重构带来了较高的认知需求,因为它迫使处理者抑制标准启发式预期,即句法主语(尤其是当主语是有生命的时)是动作的执行者(Lima Júnior和Corrêa,2015)。不可逆被动句的优势表明,鉴于这种结构复杂性,认知系统依赖于词汇-语义线索(词义限制了动作)来辅助理解。相比之下,在可逆被动句中,两个名词都是有生命的且都可能是动作的执行者,这种语义途径不可用,使得理解完全依赖于算法化的句法处理,从而增加了错误率(Ferreira,2003;Ferreira等人,2001)。不可逆主动句和可逆主动句之间没有显著差异,这支持了这一假设,表明在主动语态(常见的规范形式)中,健康成人的句法处理效率足够高,以至于语义线索变得多余。

在分裂句中,主语结构的表现明显优于宾语结构。这一结果与理论处理模型一致,因为分裂句由于使用了特定的句法结构来突出句子中的某个元素而带来了特定的认知需求(Alves等人,2015;Lambrecht,2001)。虽然主语分裂句保持了焦点元素与其原始位置之间的较短距离,便于整合,但宾语分裂句需要处理长距离依赖关系,并且存在一个介入元素(关系从句的主语)。这种宾语分裂的结构配置大大增加了工作记忆的负担,并需要更多的执行功能,特别是抑制过程,以选择正确的焦点并抑制动作中的其他角色(Rodrigues等人,2024)。在这种情况下,健康成人可能会出现处理困难,因为认知资源的需求更大。

分析显示,右分支的主语关系从句的处理准确率显著高于中心嵌入的主语关系从句。在宾语结构中也观察到了相同的模式,右分支的宾语关系从句的表现优于中心嵌入的宾语关系从句。理论上,关系从句需要较高的认知成本,因为它们涉及成分的移动,从而在先行词和原始位置留下的空缺之间创建了句法依赖关系(Forster和Corrêa,2016)。无论它们是主语还是宾语,右分支结构的系统优势都可以通过保持句法线性来解释,这避免了主句的中断,并减少了工作记忆的负担(Gibson等人,2005)。相比之下,中心嵌入会通过中断主句的处理而造成严重的负担,迫使认知处理系统在处理整个从句的同时保持主句主语的活跃状态。这种结构“中断”的成本如此之大,以至于直接比较两种最复杂的格式(中心嵌入的主语关系从句 vs. 中心嵌入的宾语关系从句)没有显示出显著差异,这表明当嵌入位于中心位置时,记忆负担达到了一个使难度相等的阈值(Friedmann等人,2009;Gibson,1998;Rodrigues等人,2024)。

然而,对复杂结构中语义合理性的操作并没有在语义上合理和不可理的被动可逆句之间产生表现差异。这一发现可以解释为样本的人口统计特征,样本主要由教育水平高且没有语言缺陷的年轻人组成,这与临床人群不同,在临床人群中,语义违规往往会与句法分析竞争并产生错误(Christianson等人,2006;Ferreira等人,2002),而本样本中的健康成人展示了足够的认知资源来抑制语义上的奇怪之处并维持正确的结构分析。

基于与其他变量关系的效度评估表明,教育年限和年龄是TASComp表现的重要预测因素。这与先前的研究一致,这些研究强调正规教育是语言任务表现的关键决定因素(Akashi和Ortiz,2018;Pereira和Ortiz,2022)。阅读和写作习惯可能有助于认知储备,支持老年人对复杂句子的理解(Malcorra等人,2022;Montemurro等人,2021;Riffo等人,2025)。因此,教育作为一种保护因素,较高的教育水平与更好的工作记忆、执行功能和注意力资源相关,这些都是处理复杂句法结构所必需的认知能力(Malcorra等人,2022)。

此外,年龄也被证明是一个显著的负面预测因素,显示参与者的年龄每增加一年,正确答案的比例略有下降。这一结果与将衰老与工作记忆容量减少联系起来的理论模型一致,这影响了复杂句子的处理(Poulisse等人,2019)。这证实了句法缺陷不仅是失语症的敏感标志,也是与衰老和神经退行性疾病早期阶段相关的认知衰退的标志(Caplan等人,2016;Gilardone等人,2024;Ivanova和Dronkers,2022;Kaltsa等人,2024;Murray,2018;Sung等人,2017,2020)。

最后,测试的应用方式(面对面或在线)并没有产生显著影响,这意味着它不是TASComp总分的预测因素。这一发现与之前对每种句子类型组间平均结果的比较一致。事后分析证实了这种等同性,显示组间的平均差异可以忽略不计。这些发现进一步确保了测试无论采用何种管理方式都能保持其心理测量准确性,这与文献中的预期一致,即远程神经心理学中的标准化测试管理不会干扰患者的结果(Brown等人,2024;Chapman等人,2020;Krynicki等人,2023)。因此,这些结果证实了TASComp在远程神经心理学中的可行性,这一领域对于扩大认知评估的可用性至关重要(Alva等人,2025;Serrano-Juárez等人,2023)。

结论

本研究证实,TASComp是一种用于评估句子处理的稳健工具,其设计能够有效捕捉不同类型句子的语言理解细微差别。尽管观察到的内部一致性适中,但这一结果必须结合样本的同质性和健康成人的典型天花板效应来解释;这并不降低该工具作为有效语言能力测量工具的价值。重要的是,该工具区分了不同的处理难度水平,这与整合了句法复杂性和工作记忆需求的心理语言学模型一致。

此外,分析确立了年龄和教育对句法处理的显著影响,表明即使是没有语言障碍的健康个体也会根据这些人口统计变量表现出不同的表现模式。这一发现突显了开发分层规范的迫切需求,以防止诊断错误并确保在不同生命阶段和社会经济背景下的准确解释。因此,这些结果还强调了语言评估必须使用不同类型的句子,从而深入研究复杂的语法和语义结构。这种方法对于检测不同人群中的细微语言缺陷至关重要(Kaltsa等人,2024年;Thothathiri等人,2023年;Wallace等人,2023年)。最后,关于测试的实施方式,研究结果强调了标准化测试以供远程使用的可行性。TASComp在在线环境中表现出良好的可用性,同时没有影响其测试的稳健性,这从不同测试模式下得分的稳定性中可以得到证明。这证实了它适用于远程神经心理学研究,从而扩大了在不同环境中进行评估的范围。最终,TASComp可以通过深入的评估为不同人群的语言处理能力提供重要信息,因为精确识别语法缺陷是制定个性化、基于证据的治疗策略所必需的。

5.1 局限性与未来研究
本研究存在一些局限性。样本仅包括健康成年人,其中老年参与者的比例相对较少,且受教育程度较高,这限制了对题目难度变化的分析,并可能导致得分受到语法复杂性的影响。未来的研究应纳入更大、更多样化的样本,以便更全面地考察题目的难度和区分度,同时比较健康个体与有语言理解障碍的人群(如失语症患者、神经系统受损者、老年人或神经退行性疾病患者)之间的差异。

关于未来的研究,正在考虑开发该测试的简化版本。简化版本旨在通过聚焦最具区分度的题目来简化语法困难的筛查过程。此外,未来的研究还将比较临床组与对照组的表现,并对错误进行定性分析,以区分随机错误与系统性的语法问题或其他语言缺陷。这些研究还将有助于探讨认知功能(如工作记忆和抑制控制)对不同类型句子表现的影响。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号