综述：言语-语言病理学家用于多语言儿童语言评估的自然主义语言样本分析方法：一项系统评价及叙述性总结

《International Journal of Speech-Language Pathology》：Naturalistic language sample analysis practices used by speech-language pathologists for the language assessment of multilingual children: A systematic review with a narrative summary

　　摘要
目的
语言样本分析是一种生态学上有效的方法，用于评估多语言儿童的语言能力。它经常被用于研究以获取发展数据，并在实践中作为语言评估的补充手段。

方法
根据PRISMA-P指南进行了系统评价，以识别和综合言语-语言病理学家目前用于评估多语言儿童语言的自然主义语言样本分析实践。检索了四个数据库，包括ERIC、Linguistics Database、Scopus和PubMed。使用混合方法评估工具（Mixed Methods Appraisal Tool）对纳入的研究的方法学质量进行了评估。

结果
搜索共获得了602篇文章。在摘要级别的筛选后，有57篇文章被进一步进行了全文级别的筛选。最终有14篇文章被纳入综述。研究结果表明，在语言样本分析的实践方面存在很大的差异，这些差异涉及引出语言样本、转录以及编码和分析的方法；这些差异可能会阻碍语言样本分析在不同情境下的一致应用，并强调了进一步研究的必要性。

结论
该综述识别并综合了几种用于多语言儿童的语言样本引出、转录、编码和分析的方法。讨论了进一步研究的方向及其临床意义。

关键词：
多语言儿童；语言样本分析；系统评价

引言
在全球范围内，多语言现象越来越普遍，据联合国教科文组织（UNESCO, Citation2024）统计，世界上有一半到三分之二的人口被认为是多语言者。这一现象是由于移民和全球化导致的语言景观不断变化（Hallin & Partanen, Citation2022; Suswaram et al., Citation2023）。多语言可以从语言学、教育学和言语-语言病理学等多个学科的角度来理解，因此有多种解释。然而，在我们的研究中，我们采用了普遍接受的定义，即将多语言定义为“对两种或两种以上语言具有同等熟练程度的能力”（Mbirimi-Hungwe, Citation2024, p. 109）。对于评估和治疗儿童语言的言语-语言病理学家（SLPs）来说，多语言现象带来了实现公平且文化和语言公正的语言评估的挑战（Barratt et al., Citation2012; Sinclair et al., Citation2025）。不准确的评估会混淆语言障碍与多语言引起的语言差异，从而导致对多语言儿童的误诊（Crowe et al., Citation2021）。由于40%的儿童不能用他们的母语接受教育（Nakamura et al., Citation2023; UNESCO, Citation2024），SLPs在评估语言时必须同时考虑儿童的母语和学习语言。因此，SLPs需要花更多的时间来评估多语言儿童的语言能力，既要包括他们的母语，也要包括他们的学习语言（Ehlert et al., Citation2024）。除了额外的时间投入外，还需要更多的资源，包括人力和时间，例如雇佣口译员或看护者来提供SLPs可能不熟悉的家庭语言的信息（Sinclair et al., Citation2025）。此外，即使SLPs本身是多语言者，他们也可能不熟悉被评估儿童所使用的特定语言。

语言样本分析（LSA）是一种语言评估方法，它通过引出、转录、编码和分析口语来评估口语的所有领域（Ehlert et al., Citation2024; Liebenberg et al., Citation2023）。尽管LSA在研究中被认为是评估多语言儿童语言技能的重要方法（Lüdtke et al., Citation2023），但在临床语言评估实践中却很少被使用（Newbury et al., Citation2020）。最近的一项系统评价探讨了诊断上准确的英语语言样本测量方法（Ramos et al., Citation2022），并证实LSA是一种对多语言儿童而言生态学上有效的语言评估方法（Ramos et al., Citation2022）。LSA在研究中常被用于获取发展数据，在实践中则作为语言评估的补充手段（Ebert, Citation2020; Ramos et al., Citation2022）。它允许对儿童语言进行自然主义的评估（Ehlert et al., Citation2024）。由于没有复测效应，SLPs可以重复使用LSA作为动态评估方法（Klatte et al., Citation2022）。重要的是，LSA还支持跨语言比较，因为可以在多种语言中进行评估（Ebert, Citation2020）。尽管SLPs认识到LSA是实现文化和语言公正评估的重要补充，但在临床实践中使用频率仍低于预期（Fulcher-Rood et al., Citation2019; Pavelko et al., Citation2016）。

LSA实践包括进行LSA的每个环节，如通过引出方式收集样本、将样本转录为正字法文本，以及最终对样本进行编码和分析以评估儿童的语言（Ehlert et al., Citation2024; Lüdtke et al., Citation2023）。LSA过程的每个环节都会导致时间限制，这通常被认为是实际应用LSA的主要挑战（Fulcher-Rood et al., Citation2019; Lüdtke et al., Citation2023; Pavelko et al., Citation2016）。在使用LSA评估多语言儿童时，每个环节都会面临特定的挑战。

引出多语言样本
从多语言儿童那里引出语言样本时，需要仔细考虑评估语言、语言暴露和使用的模式、引出情境的文化-语言适宜性，以及是否需要双语临床医生或受过培训的口译员来确保样本的有效性和代表性。通常会使用多种引出情境来收集自然主义的语言样本，包括但不限于对话、说明性和叙述性话语。讲故事（或故事生成）和复述是最常用的引出方法（Ortiz et al., Citation2024）。在本综述中，仅包括自然主义的引出情境和方法，因为这提供了多语言儿童可以充分运用其语言能力的任务。虽然复述可能会产生比对话更复杂的样本（Westerveld & Vidler, Citation2016），但复述可能无法准确反映自然主义的语言（Ehlert et al., Citation2024）。讲故事侧重于结构化的内容，孩子需要回忆并重新组织特定信息，通常还会有图片支持和情境辅助，从而评估其他认知能力，如工作记忆（Spencer et al., Citation2023），导致样本不能反映自然主义的语言能力。由看护人或家长引出的样本可能是获取SLPs不熟练语言的自然主义样本的潜在解决方案（Guo and Eisenberg, Citation2015）。作为一种引出工具，语言环境分析（LENA）要求孩子佩戴一个小录音器，记录自然、日常的语言，为后续的转录和分析提供语言样本。LENA也可能有助于在日常情境中获取自然主义的语言样本（Wood et al., Citation2016）。然而，将引出的样本与LENA样本进行跨语言比较可能无法提供评估多语言儿童语言所需的必要信息。

多语言样本的转录
无论是由熟练的转录员（Ebert, Citation2020; Ehlert et al., Citation2024）还是自动化工具进行，多语言样本的准确转录都必须捕捉到代码转换、跨语言影响和语言迁移效应，以保留多语言儿童真实的语言输出。尽管过去十年技术在自动化转录方面取得了显著进展，特别是成人英语样本的转录，但许多语言尚未在语料库中得到代表（Liu et al., Citation2023）。在全球7000种语言中，只有几十种语言被收录在语料库中（Romero et al., Citation2024），导致一些非主流或较少使用的语言（如克丘亚语、科萨语）被低估。此外，关于南非语言的技术发展也缺乏高质量的数据（Badenhorst & de Wet, Citation2019）。此外，对于较少研究的双语组合（如阿拉伯语-荷兰语、泰米尔语-法语）也需要进一步研究。同样，针对特定年龄组（例如三岁以下的多语言儿童和青少年）的LSA研究也非常稀缺（Ramos et al., Citation2022）。目前缺乏多语言儿童语言样本的手动转录指南，这影响了自动化转录过程的准确性和可行性，需要进一步探索。

多语言样本的编码和分析
缺乏标准化的编码和分析指南，加上用于诊断目的的发展数据有限，对于说非主流语言的多语言儿童来说尤其成问题（Liebenberg et al., Citation2023; Ramos et al., Citation2022）。准确的编码和分析对于捕捉代码转换的复杂模式（Lüdtke et al., Citation2023; Ortiz et al., Citation2024）、跨语言影响和语言迁移至关重要，这些现象是多语言发展的特征。如果没有严格的编码，评估可能会低估能力或错误地描述发展轨迹，从而限制诊断的有效性和针对这些儿童语言特征的干预措施的效果。

本研究旨在识别和综合SLPs在评估多语言儿童语言时使用的LSA实践，包括语言样本收集或引出、转录、编码和分析的方法。这些实践被综合成叙述性摘要，以回答研究问题：SLPs在评估多语言儿童语言时使用哪些LSA实践？

方法
搜索策略和筛选
本综述在PROSPERO上进行了前瞻性注册（CRD42023444830）。在研究问题和方法论上，该综述没有偏离预先注册的协议。它遵循了系统评价和元分析协议（PRISMA-P）指南（Page et al., Citation2021）的要求（如图1所示），并与Joanna Briggs研究所的证据综合手册中提出的方法论保持一致（Aromataris et al., Citation2024）。一位信息专家协助确定了电子数据库，并微调了搜索词以进一步提高电子搜索的效率（Spencer & Eldredge, Citation2018）。纳入了四个数据库，分别是专注于教育文献的ERIC、专注于语言学文献的Linguistics Database、广泛涵盖跨学科研究的Scopus以及专注于语言学相关生物医学领域的PubMed。数据库是在全文级别进行搜索的。没有进行手动搜索。

图1. 系统评价的PRISMA-P图表（Page et al., Citation2021）

搜索词是根据PI(C)O问题确定的（Brown, Citation2020）。由于本研究的目的不限于比较研究，因此排除了PICO问题的C组分。基于这个框架，根据每个类别确定了构建：群体（P）：由SLP评估的多语言儿童；干预（I）：在对话、故事生成和自由游戏中使用的多语言语言样本分析方法；结果（O）：评估语言、获取发展数据或进行鉴别诊断。然后使用布尔运算符AND和OR对这些构建进行了组合或分离，例如“child*” OR “young” OR “developmental” AND “multilingual” OR “bilingual” OR “trilingual” OR “linguistically diverse” AND “language assessment” OR “developmental data” OR “dynamic assessment” AND “language sample* analysis” OR “LSA” OR “speech sample” OR “language sample” OR “conversational analysis” OR “discourse analysis”。从数据库搜索中提取了584篇文章，并将其上传到Rayyan Systematic Review Software中，这是一种自动化工具，用于加速符合条件的研究的筛选过程（Ouzzani et al., Citation2016）。从样本中删除了38篇重复文章。

第二作者和第三作者根据纳入和排除标准在标题和摘要级别对文章进行了筛选，以确定其是否符合要求。第一和第二评审者之间的一致性为96.5%，第三位独立评审者解决了分歧。纳入的标准包括：(a) 以英语发表的主要研究文章（因此排除了系统评价和元分析），尽管对研究的语言或背景没有限制；(b) 报告多语言参与者的研究；(c) 使用自然主义LSA作为评估方法、动态评估方法或获取发展数据的研究；(d) 由SLP进行的儿童语言研究；(e) 发表时间在1991年（LSA相关的首批出版物出现的时间）至2024年5月之间的研究，以反映最新的文献。

搜索共获得了602篇文章。在首次搜索中去除38篇重复文章后，第二次搜索中又去除了2篇，剩下563篇文章，所有文章都被上传到Rayyan Systematic Review Software中（Ouzzani et al., Citation2016）进行标题和摘要级别的筛选。第一位评审者对所有文章进行了资格筛选，第二位和第三位评审者分别筛选了8篇文章和9篇文章。通过三位评审者的讨论解决了其中的一处冲突。筛选阶段的一致性为96%。

全文筛选
第一作者对57篇文章进行了全文筛选，以确认其是否符合纳入标准以及参与者必须是儿童这一额外条件。第一位审稿人筛选了所有研究，随后第二位和第三位审稿人分别随机选取了20%的研究进行盲评，且评阅结果一致率为100%。在全文筛选过程中，有8篇文章被排除，最终剩下14篇文章。

**数据分析与批判性评估**
首先，所有文章都经过筛选，以确定研究问题或目标是否明确界定，以及数据是否能够回应这些问题或目标，这是根据混合方法评估工具（MMAT；Hong等人，Citation2018）的评分指南进行的。接下来，根据研究方法将文章分类为五个MMAT类别之一：定性研究、随机对照试验、非随机研究、定量描述性研究和混合方法研究（Hong等人，Citation2018）。分类结果见表I。

**表I. 所纳入研究的研究参与者描述（按发表年份排序）及MMAT评估分数。**

**数据提取**
为本次评审制定了专门的数据提取方案，包括研究的人群、干预措施和结果等信息。提取了关于研究国家、使用语言、年龄、性别、人群发展阶段、引出方式（材料、程序和情境）、转录程序以及分析方法（方法与软件）的数据。同时，还提取了有关多语言能力和代码转换的考虑因素。最后，提取了每项纳入研究中使用语言系统分析（LSA）的目的。

**数据提取的可靠性**
通过审稿人之间的协议一致性来确定数据提取的可靠性。所有数据均由第一作者提取，随后随机选取20%的文章（共3篇）由第三位作者进行数据提取，结果达到100%的审稿人一致性。

**数据综合**
进行了定性数据综合，以提供与语言系统分析（LSA）实践相关的叙述性总结，这些实践是言语-语言病理学家（SLP）在多语言背景下评估儿童语言时所使用的。

**研究发现**
在2004年至2023年间发表的14项纳入研究中，使用了LSA来评估多语言背景下儿童语言的情况已在表I中列出，并附有相应的MMAT分数。表I中的描述性信息包括使用LSA评估的儿童样本量、参与者信息（包括年龄和性别）、研究进行的国家、参与者使用的首语，以及研究中多语言能力的描述方式。

**多语言能力的描述**
五项研究根据学习和教学的语言对多语言能力进行了描述（Cahill等人，Citation2020；Ebert & Pham，Citation2017；Heilmann等人，Citation2016；Pham，Citation2016；Rezzonico等人，Citation2017），另有四项研究根据接触第二语言的情境或频率进行描述（Bird等人，Citation2005；Lofranco等人，Citation2006；Peets & Bialystok，Citation2015；Potapova等人，Citation2018）。三项研究根据儿童掌握多语言的年龄或顺序进行描述（Ooi & Wong，Citation2012；Paradis等人，Citation2022；Wood等人，Citation2016）。一项研究根据语言熟练程度进行描述（Fiestas & Pena，2004），另一项研究将其作为超过两种语言的排除标准（Dam & Pham，Citation2023）。当前评审未考虑语言熟练程度这一因素。

表I显示，大多数研究（n=8）在美国进行（Dam & Pham，Citation2023；Ebert & Pham，Citation2017；Fiestas & Pena，2004；Heilmann等人，Citation2016；Lofranco等人，Citation2006；Pham，Citation2016；Potapova等人，Citation2018；Wood等人，Citation2016）。五项研究在加拿大进行（Bird等人，Citation2005；Cahill等人，Citation2020；Paradis等人，Citation2022；Peets & Bialystok，Citation2015；Rezzonico等人，Citation2017），仅有一项研究在马来西亚进行（Ooi & Wong，Citation2012）。有趣的是，没有研究在英国进行。此外，所有纳入的研究都同时考察了英语和其他语言，其中大部分研究探讨了西班牙语-英语双语现象（n=5；35%）。其他语言的具体情况见表I。

**语言样本分析**
本次评审关注的是通过自然情境下收集的语言样本，包括叙事生成、个人事件叙述、对话和自由游戏中的语言运用等方法。仅使用叙事复述作为引出方法的研究被排除，但如果叙事复述与其他形式的LSA结合使用，则这些研究被纳入。执行引出任务的评估者是合格的SLP、SLP学生或接受过相关培训的研究助理。表II显示了每项纳入研究的引出程序和样本长度。

**引出方法**
在一半的研究中，使用了无字书（如《青蛙故事》）来进行叙事生成。在这七项使用无字图画书的研究中（n=7），五项在美国进行，两项在加拿大进行；研究涉及的语言分别是西班牙语（n=3）、粤语（n=1）、越南语（n=1）和菲律宾语（n=1）。有一项研究未报告所引出的语言。其他研究使用了游戏任务（n=3）、说明性任务（n=2）和对话任务（n=2）。其中一项研究使用了埃德蒙顿叙事需求工具（ENNI；Paradis等人，Citation2022），另一项使用了多语言叙事评估工具（MAIN；Dam & Pham，Citation2023）。样本的计量单位包括单词、话语、会话次数、页面数和时间。近一半（42%）的研究未报告引出样本的长度。样本的时间长度从15-20分钟（Paradis等人，Citation2022）到10小时不等，平均为28分钟（Wood等人，Citation2016），最长可达2小时（Bird等人，Citation2005）。有六项研究（n=6）未报告评估者的言语熟练程度。九项研究（n=9）在多种语言中引出了样本。

**转录**
所审查的研究使用了系统语言转录分析（SALT；Miller & Iglesias，Citation2012）、儿童语言数据交换系统（CHILDES）、人类转录分析代码（CHAT）和计算机化语言分析（CLAN）进行转录。如图2所示，九项研究使用SALT进行转录，十项研究使用SALT进行分析。唯一未使用SALT分析功能的研究使用交流单元（c-units）对样本进行了逐字转录（Fiestas & Pena，Citation2004）。一项研究使用CHILDES进行转录和分析（Peets & Bialystok，Citation2015）。尽管CHAT和CLAN属于CHILDES的转录和分析工具，但有两项纳入的研究分别报告了它们的使用情况（Ooi & Wong，Citation2012；Paradis等人，Citation2022）。

**编码与分析**
由于所有纳入的研究都考察了多语言样本，值得注意的是，有一半（n=7）的研究没有报告任何针对多语言能力的特定编码考虑或调整。在报告了编码考虑的研究中，三项研究了语言的省略特性（Dam & Pham，Citation2023；Fiestas & Pena，2004；Heilmann等人，Citation2016）；两项表示在转录和分析过程中使用了修改后的交流单元（Dam & Pham，Citation2023；Pham，Citation2016）。两项研究通过排除代码转换词汇（Ooi & Wong，Citation2012）或完全排除进行代码转换的参与者（Fiestas & Pena，2004）来处理代码转换问题。还有一项研究指出，评估者仅使用目标语言以避免代码转换的发生（Bird等人，Citation2005）。

**语言样本分析作为评估方法的目的**
两项研究将LSA的结果与标准化语言评估工具进行了比较（Ebert & Pham，Citation2017；Peets & Bialystok，Citation2015）；两项比较了不同的引出方法（Dam & Pham，Citation2023；Heilmann等人，Citation2016）；三项比较了不同的人群（Bird等人，Citation2005；Paradis等人，Citation2022；Wood等人，Citation2016）。一半的研究（n=7）提供了发展数据，并使用LSA研究了特定的语言特征（Cahill等人，Citation2020；Fiestas & Pena，2004；Lofranco等人，Citation2006；Ooi & Wong，Citation2012；Pham，Citation2016；Potapova等人，Citation2018；Rezzonico等人，Citation2017）。

**讨论**
本次评审发现了过去20年中发表的14项研究，这些研究探讨了使用自然语言系统分析（LSA）评估多语言儿童语言的方法。研究结果表明，关于LSA在多语言儿童中的应用，现有证据和指导非常有限。尽管文献强调了LSA在评估多语言儿童语言方面的有效性（Heilmann等人，Citation2016），但本评审的发现证实，LSA在实践中的应用不足可能部分归因于缺乏基于证据的指导原则（Pavelko等人，Citation2016）。可能需要进一步的研究来更好地理解多语言儿童语言准确评估的要求。显然，不同研究人员在不同的背景和人群中对多语言能力的描述、解释和研究方式各不相同。一些研究描述了多语言能力的顺序和首次接触其他语言的年龄，而另一些研究则将其视为研究中的一个变量（例如排除标准）。先前的文献强调了人群描述的必要性（Ebert，Citation2020）。充分描述多语言人群有助于在不同情境和语言中推广研究成果。

**总结**
以下按LSA实践的各个组成部分对研究发现进行了总结，揭示了当前文献中关于引出、转录、编码和分析方法的现状。

**引出多语言样本**
评审仅纳入了那些样本或部分样本是在自然情境下收集的研究，排除了单纯的复述方法。研究发现表明，用于多语言儿童的常见自然引出情境包括对话、游戏和说明性样本，通常使用无字书作为引出材料。这些引出方法与使用LSA评估单语儿童时的方法类似。需要注意的是，尽管方法本身没有差异，但多语言样本引入了代码转换、跨语言影响和语言迁移等复杂因素。研究发现，无字书是最常用的引出工具，有证据表明它们能够可靠地从不同背景的儿童那里获取语言样本（Coughler等人，Citation2023）。其他常用的叙事生成任务包括图片刺激和MAIN、ENNI工具。然而，也注意到最常使用的是多种引出方法的组合。最近的一项研究关注LSA在临床应用中区分双语儿童语言障碍和典型语言发展的作用，指出引出方式往往决定了可以使用的结果测量方法（Ortiz等人，Citation2024）。当前评审支持了这一观点，即结合多种引出方法可以获得更详细的结果测量（Ortiz等人，Citation2024）。使用自然引出方法和情境来评估多语言儿童语言的做法得到了支持，这样可以让多语言儿童充分展示其语言能力，包括代码转换现象（Ortiz等人，Citation2024）。

如表II所示，样本长度在不同研究中差异较大，且报告方式不够标准化。样本长度与旨在引出的样本类型有关（Lüdtke等人，Citation2023）。这里包含的所有样本都被视为自然语言样本，因此其变异性值得关注。目前文献共识认为至少应引出50个话语，这可能在30分钟内完成（Wilder & Redmond，Citation2022）。本次评审中报告的样本长度范围广泛，有些超过了推荐的指导标准。这需要我们进一步探讨，并针对多语言人群中的LSA样本长度提出建议（表III）。

**表III. LSA应用的目的描述。**

研究发现，自然语言系统分析（LSA）在实践中的应用和用途多种多样，凸显了其作为生态有效评估工具的价值（Ehlert等人，Citation2024）。作为临床工具，LSA能够研究多种语言特征和不同人群，尤其是在资源匮乏的多语言环境中，其灵活性值得关注。研究结果证实了LSA在获取与特定人群和语言特征相关的发展性和描述性数据方面的有效性。尽管这些数据有助于未来的研究，但将研究成果转化为实践时也应当谨慎考虑。多语言样本的转录

研究结果显示，当前关于多语言样本转录的研究证据是语言序列分析（LSA）实践中最薄弱的环节。令人担忧的是，考虑到这些研究主要关注多语言儿童，转录实践中对多语言性的具体考虑要么有限，要么没有明确报告。在转录和编码过程中，代码转换和语言混合是需要考虑的重要方面，以确保对样本进行适当的分析和解释（Ebert, Citation2020; Ortiz et al., Citation2024）。言语语言病理学家（SLPs）还需要深入了解语言发展，以确保能够识别第二语言习得过程中的典型语言混合现象（Ehlert et al., Citation2024）。

目前的回顾仅涵盖了22种英语与其他语言的对齐，这凸显了扩大语言语料库以包括代表性不足的语言的重要性。手动转录样本需要熟练的评估者，因此迫切需要开发替代的转录方法，以便能够将LSA应用于多语言儿童。

多语言样本的编码与分析

在LSA的编码和分析方面，回顾发现SALT（Heilmann & Iglesias, 2012）是最常用的工具。SALT仅在基于美国和加拿大的研究中使用。作为一款付费工具（Miller & Iglesias, Citation2012），其使用成本被认为是阻碍LSA实际应用的一个因素（Pavelko et al., Citation2016）。因此，进一步研究哪些编码和分析方法在多语言环境中是可行且实际使用的非常必要。CHILDES可能是一个替代工具，因为它也可以支持使用MAIN、无字图画书和叙事内容来提取样本的编码与分析，并且其语料库中包含了一些语言（MacWhinney, Citation2000）。

在纳入的研究中，LSA主要用于特定语言特征的探究，主要包括话语长度、词素准确性、多样性和生产力等微观结构指标。这一发现可能与仅使用了自然语言序列分析方法有关。宏观结构的探究频率较低。鉴于先前的研究发现，结合多种指标能够更好地适应多语言儿童（Ortiz et al., Citation2024），未来LSA工具的开发应考虑更具有代表性和普遍性的多语言儿童语言的微观结构和宏观结构指标。

局限性

当前回顾存在一些局限性。回顾仅包括了来自四个数据库的经过同行评审的英文出版物。由于重点关注多语言儿童，一些可能用其他语言撰写的文章被遗漏了。鉴于本回顾发现关于多语言儿童使用自然语言序列分析的证据有限，未来回顾应扩展到包括用非英文撰写的研究，无论是已发表还是未发表的。当前回顾仅涵盖了22种不同的语言，这凸显了将研究扩展到本土语言和代表性不足的语言的必要性。多语言性的描述存在很大差异，且当前回顾没有考虑语言熟练程度。

另一个局限性是全球范围内双语言语语言病理学家（SLPs）的匮乏，以及某些国家在SLPs的多语言能力与整个人群多语言分布之间的差距。例如，在美国，21-23%的人口在家中说英语以外的语言（Dietrich & Hernandez, Citation2022）；然而，只有8.3%的SLPs精通多种语言（ASHA, Citation2023）。在其他国家，如南非，尽管大多数人口是多语言的，但精通非主流语言的SLPs却较少（Pillay et al., Citation2020）。

在本研究中，纳入标准将回顾范围限制为仅包括由SLPs引导产生的LSA数据。这可以被视为一项限制，因为这一标准是故意设定的，以确保研究结果的相关性和回顾的范围。然而，有研究表明，家长引导的样本在儿童语言评估中可能提供同样有价值的语言信息（Guo & Eisenberg, Citation2015），尤其是在SLP不熟悉儿童第一语言的多语言人群中。未来的研究可以扩展范围，包括由家长或其他相关方引导产生的LSA数据。

进一步研究

关于评估多语言儿童语言的LSA实践的研究报告有限，因此需要进一步探索。应优先关注创新性替代方法的研究，包括使用视频会议、家长引导的样本（Dam & Pham, Citation2023; Ortiz et al., Citation2024）和计算机自动化方法（Lammert et al., Citation2025）。研究可以扩展到非主流语言和较少为人知的语言对。像TalkBank（MacWhinney, Citation2000）这样的工具可以为此类研究提供帮助。本回顾强调了对涵盖更多样化人群、语言、年龄、性别和情境的发展数据的迫切需求（Ortiz et al., Citation2024），这仍是研究的重点。应更好地理解代码转换等多语言现象，以支持LSA在多语言儿童应用中的有效性（Ebert, Citation2020; Ortiz et al., Citation2024）。当前的研究结果鼓励研究人员更彻底地记录转录实践，以便为多语言儿童语言样本的转录开发最佳方法。

当前回顾的范围不包括进一步探讨每个组成部分及其对测量语言结果的影响。回顾指出，特定的引导、转录、编码和分析方法需要进一步研究，以确定它们在多语言样本和儿童中的可靠性和有效性。

临床意义

LSA的一个常见局限性是，引导和转录样本需要熟练的评估者（Ebert, Citation2020）。家长引导的样本可能更适合多语言和资源有限的人群（Dam & Pham, Citation2023）。在使用LSA时结合对话、说明性和叙事性引导方法，可以让多语言儿童展示更广泛的语言能力（Ortiz et al., Citation2024），而单独使用其中任何一种方法可能无法全面反映这些能力。例如，使用相似的无字图画书在不同语言中进行比较（Coughler et al., Citation2023）是有用的。

研究中使用的LSA实践的多样性限制了其向临床实践的转化。鉴于其适用性，整合现有的LSA数据可能会制定出支持在实践中更频繁使用LSA的临床实践指南。明确的指南还可以减少经常被提及的时间限制（Pavelko et al., Citation2016），并允许更可靠地比较研究结果，从而形成更一致的证据体系。临床人员在转录和编码语言样本时应考虑多语言性和代码转换。SALT是一个有价值的工具，可以用于其支持的语言的转录和分析。SALT对更多语言的可用性也可能为增加LSA在多语言儿童语言评估中的应用提供方向。

结论

从本回顾和叙述总结来看，明确需要研究和实践指南。LSA在语言样本的引导、转录、编码和分析方面的实践存在很大差异且常常受限，这可能会影响其在不同语言中的可靠应用，因此需要进一步研究。本回顾重申了自然语言序列分析在公平评估多语言儿童语言方面的宝贵潜力。尽管在多语言人群中需要更多研究，但LSA研究成果的报告应旨在解决该方法在实践中的有限应用问题，以确保SLPs能够有效地、可靠地为多语言人群提供服务。

数据可用性声明

支持本研究结果的数据可在合理请求下从相应作者处获得。