LONDON (IT BOLTWISE) – Eine große Studie ordnet Sprachfähigkeiten bei Autismus nicht mehr in „verbal“ und „nonverbal“ ein. Stattdessen trennt sie Sprachverständnis und Sprechfähigkeit in klarere Profile, die deutlich besser zu den individuellen Unterschieden passen. Die Auswertung basiert auf Daten von über 62.000 Betroffenen im Alter von 4 bis 22 Jahren aus einer sprachfokussierten Mobil-App. Damit rückt vor allem die Frage in den Fokus, wie Therapiepläne Ziele für das Verständnis und den Ausdruck getrennt adressieren können.
Die klassische Einteilung von Sprachfähigkeiten bei Autismus wirkt im klinischen Alltag oft zu grob: „verbal“, „nonverbal“ und „minimally verbal“ fassen sehr unterschiedliche Entwicklungsverläufe in wenige Schubladen. Genau diese Annahme stellt eine umfangreiche Analyse infrage, die Sprachverständnis und sprachlichen Ausdruck als voneinander unabhängiger messbare Dimensionen behandelt. Im Kern läuft die Studie darauf hinaus, dass man die Sprache nicht als ein einziges Fähigkeitspaket betrachten sollte, sondern als Kombination aus dem, was Betroffene verstehen, und dem, was sie sprachlich hervorbringen können.
Die Untersuchung stammt aus der Forschung zu Autismus-Spektrum-Störungen (ASD) und wurde in npj Science of Learning veröffentlicht. Geleitet wurde sie von Katrine Gankin von der George Washington University; Mitautorin und Mitautor sind außerdem Andrey Vyshedskiy von der Boston University sowie weitere Forschende. Ausgangspunkt war die Beobachtung, dass „Sprache“ in der Praxis häufig über drei breite Kategorien hinweg gruppiert wird, obwohl Verständnis- und Ausdrucksfähigkeiten bei einzelnen Kindern und jungen Erwachsenen auseinanderlaufen können. Anrey Vyshedskiy, Adjunct Professor an der Boston University, formulierte die Kritik dabei direkt: Die tripartite Logik sei schlecht für Kinder, Eltern und Therapeutinnen und Therapeuten, weil sie der vollständigen Sprachentwicklung im Weg stehe.
Um diese Heterogenität sichtbar zu machen, wertete das Team Daten von 62.414 autistischen Personen im Alter von 4 bis 22 Jahren aus. Erhoben wurden die Informationen über eine kostenlose, sprachfokussierte Mobil-App: In den standardisierten Fragebögen sollten Betreuungspersonen mehrere Items beantworten, darunter 15 Aspekte zum Sprachverständnis (receptive language) und 11 Aspekte zum sprachlichen Ausdruck (expressive language). Inhaltlich reichten die Aufgaben von grundlegenden Reaktionen auf Wörter oder einfache Befehle („no“) bis hin zu komplexeren Anforderungen wie dem Verstehen räumlicher Präpositionen oder dem Führen mehrsätziger Gespräche. Technisch interessant ist hier weniger die einzelne Frage als der Ansatz: Die Forschenden nutzten datengetriebene Verfahren wie eine unüberwachte hierarchische Clusteranalyse und eine Hauptkomponentenanalyse, um Muster direkt aus den Antworten herauszuschälen – ohne dass die Analyse von vornherein an vordefinierten klinischen Annahmen hängt.
Für das Sprachverständnis identifizierten die Auswertungen drei deutlich unterscheidbare Profile: ein „command phenotype“ (35,6 %), das vor allem das Verstehen einzelner Wörter und einfacher Befehle abbildet; ein „modifier phenotype“ (47 %), das zusätzlich das Verknüpfen von Substantiven mit adjektivischen Merkmalen erlaubt – etwa Unterschiede in Farbe, Größe oder Anzahl; und schließlich das „syntactic phenotype“ (17,4 %), bei dem Betroffene neben den vorherigen Ebenen auch komplexere grammatische Strukturen wie Verbformen, besitzanzeigende Pronomen und das Verständnis ausgearbeiteter Geschichten erreichen. Wenn man das unabhängig vom Ausdruck betrachtet, passt das gut in die größere Forschungslage zur Sprachentwicklung: Mehrere Arbeiten hatten zuvor gezeigt, dass sich Verständnisleistungen und Sprechleistungen nicht immer synchron entwickeln. Genau dieser Punkt wird auch im Studiendesign genutzt, weil das Team später ausdrücklich die expressive Seite separat modellierte.
Beim sprachlichen Ausdruck fanden die Forschenden vier Sprechprofile: Das „nonspeaking phenotype“ (28,4 %) beschreibt funktional nicht-mündliche Kommunikation, die „single-word phenotype“ (34,4 %) betrifft überwiegend die Kommunikation mit einzelnen isolierten Wörtern, und die „single-sentence phenotype“ (24,1 %) steht für kurze, grundlegende Sätze. Das „multi-sentence phenotype“ (13,2 %) schließlich umfasst Personen, die sich in Gesprächen ausdrücken können und auch sinnvolle Fragen formulieren. Erst die Kombination beider Dimensionen führt zu dem für die Praxis besonders relevanten Ergebnis: Aus rezeptivem und expressivem Profil ergeben sich vier zentrale „receptive-expressive phenotypes“. So finden sich unter den Befragten Gruppen mit hoher Ausdrucksfähigkeit und syntaktischem Verständnis (9,7 %), mit Ein-Satz-Ausdruck und modifier-bezogenem Verständnis (25,4 %), mit nicht sprechendem Profil plus command-nivauem Verständnis (30,5 %) sowie mit Single-Word-Ausdruck und modifier-level-Verständnis (22,3 %). Damit werden Konstellationen getrennt, die das ältere Dreiermodell oft zusammenfasst.
Die Einordnung dieser Resultate setzt vor allem bei der klinischen Relevanz an. Vyshedskiy argumentiert, dass ein zweidimensionales Framework – getrennte Achsen für Sprachverständnis und sprachlichen Ausdruck – präziser sei als das herkömmliche dreiteilige Schema. Aus Industrie- und Versorgungslogik betrachtet heißt das: Wenn Therapieziele sich an einem einzigen Label orientieren, kann man die falsche Engstelle adressieren. Eine differenzierte Phänotypisierung erlaubt stattdessen, Interventionsschwerpunkte auf genau den sprachlichen Entwicklungsabschnitt auszurichten, in dem gerade spezifische Stärken und Defizite liegen. Genau solche, stärker personalisierte Zieldefinitionen gelten in der Sprachtherapie traditionell als entscheidend, weil sich Lernprozesse je nach Grammatikverständnis und Ausdrucksfähigkeit unterschiedlich „einrasten“.
Gleichzeitig betonen die Autorinnen und Autoren, dass es sich bislang um Assoziationen aus Beobachtungsdaten handelt. Esposito, selbst Forschender an der Universität Trento und am University College London, ordnete die Studie als eine Weiterentwicklung ein: Die Ergebnisse stützen die Möglichkeit, dass sich rezeptive und expressive Sprache auseinanderentwickeln, und dass die sprachliche Heterogenität größer ist als einfache Kategorien vermuten lassen. Er nannte aber auch konkrete Limitationen: Die Profile basieren auf app- und elternberichteten Daten, wurden nicht vollständig gegen standardisierte klinische Tests „gegengemessen“, und es fehlen formale Angaben zur Robustheit der Clusterbildung sowie Sensitivitätsanalysen. Außerdem können Mehrdeutigkeiten in einzelnen Items auftreten und die Stichprobe kann durch die freiwillige App-Nutzung selektiv sein; das betrifft unter anderem Digitalkompetenz der Betreuungspersonen sowie mögliche kulturelle und sprachliche Unterschiede.
Für die frühe Praxis leitet die Studie dennoch eine klare Botschaft ab: Das Zeitfenster für syntaktische Sprachentwicklung ist sensibel, und Eltern sollten damit nicht bis zur formalen Beschulung warten. Vyshedskiy hebt hervor, dass syntaktische Netzwerke sich über syntaktische Konversationen und mündliches Erzählen entwickeln und dass passives Video-Schauen Chancen verdrängen kann. In der Studie werden außerdem alltagsnahe Meilensteine beschrieben: Bis etwa 2 Jahre können viele Kinder Anweisungen wie „Gib den Becher dem Affen“ folgen; bis 2,5 Jahre erkennen sie in der Regel Merkmalskombinationen wie „ein grüner Stift“ oder „ein blauer Strohhalm“. Ab etwa 3 Jahren können die meisten Kinder Größenadjektive mit Nomen kombinieren, und bis 3,5 Jahre kommen häufig auch Farbadjektive hinzu. Wenn diese Schritte deutlich verfehlt werden, empfehlen die Autoren, passive Video-Exposition zu reduzieren, einfache Geschichten vorzulesen und professionelle Sprachtherapie in Betracht zu ziehen.
Der nächste wissenschaftliche Schritt wäre, solche Profile in prospektiven, multizentrischen Designs sowohl über die App als auch über klinisch verabreichte Assessments zuzuweisen und dabei zu prüfen, ob die Cluster sprachübergreifend replizieren, zeitlich stabil bleiben und ob die zweidimensionale Einteilung tatsächlich bessere therapeutische Entscheidungen sowie Kommunikationsergebnisse ermöglicht. Für die KI-Entwicklung in der Praxis ist das ebenfalls relevant: KI-Systeme können zwar Muster in großen Datenmengen erkennen, sie ersetzen aber nicht die Validierung gegen medizinische Diagnostik und die kontextbezogene Überprüfung – gerade wenn es um Sprachentwicklung und Förderplanung geht.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Autismus: Neue Zwei-Achsen-Klassifikation für Sprachverständnis und Ausdruck" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Autismus: Neue Zwei-Achsen-Klassifikation für Sprachverständnis und Ausdruck" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Autismus: Neue Zwei-Achsen-Klassifikation für Sprachverständnis und Ausdruck« bei Google Deutschland suchen, bei Bing oder Google News!