Improving attitudes towards children with disabilities in a school context: a cluster randomized intervention study
Notice bibliographique
Résumé
AIM: although inclusive education of disabled children is now an accepted practice, it is often challenged by negative peer attitudes. We undertook an interventional study aimed at improving students' attitudes towards their disabled peers. METHOD: the participants were students from the 7th grade of twelve paired schools (1509 students from 62 classes; age 12-13y), randomly allocated to an intervention group (205 males, 285 females) or a control group (132 males, 165 females). The intervention consisted of a mandatory comprehensive educational project on disability. The Chedoke-McMaster Attitudes Towards Children with Handicaps Scale (CATCH) was used to assess children's attitudes before (T0) and after (T1) intervention. The hierarchical structure of the data was taken into account by adjusting standard deviations and using linear multilevel models. RESULTS: seven hundred and eighty-four students had at least one score on the three domains (cognitive, affective, behavioural) of the CATCH at T0 and T1. The final scores were higher than baseline scores (total scores, intervention group: baseline score 25.6 (SD=5.4), final score 26.8 (5.9), p<0.001; CONTROL GROUP: baseline 25.2 (5.4), final 26.0 (5.7), p<0.009) with no significant difference between the intervention and control groups. Individual score changes over time were associated with baseline score (p<0.001 for total and all sub-scores). Lower improvement in attitudes was found in students from schools with special units for their peers with cognitive impairment for total (p=0.013), affective (p<0.001), and behavioural (p=0.001) scores, while higher improvement existed for the cognitive domain (p=0.029). INTERPRETATION: although we found no effect of our intervention, we found an improvement in attitudes in the intervention and control groups that could be a result of the nature of the scales and questionnaires the students had to complete before the intervention.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».