MétaCan
Menu
Retour à la cohorte
Enregistrement W1519246126

Scale of Adaptive Information Technology Accessibility for Postsecondary Students with Disabilities (SAITAPSD): A Preliminary Investigation

2007· article· en· W1519246126 sur OpenAlexaboutno aff
Catherine S. Fichten, Mai Nhu Nguyen, Maria Barile, Jennison V. Asuncion

Notice bibliographique

RevueThe Journal of Postsecondary Education and Disability · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Accessibility for Disabilities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScale (ratio)PsychologyMedical educationApplied psychologyService providerItem response theoryComputerized adaptive testingInternal consistencyConsistency (knowledge bases)Service (business)PsychometricsClinical psychologyComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The responses of 81 Canadian junior and community college students with disabilities were used to develop and evaluate the Scale of Adaptive Information Technology Accessibility for Postsecondary Students with Disabilities (SAITAPSD). This is an 18-item self-administered tool that evaluates computing accessibility for and by students with various disabilities. The scale, a companion to the service provider version of the measure (Fossey et al., 2005), contains a total score and three empirically derived subscales: Adaptive Computer Availability and Support, Perceived Computer Competency, and New Computer Technologies. Results indicated that the three subscales account for 50% of the variability in total scores. Psychometric data showed good temporal stability and internal consistency for both the subscales and the total score. Validity data showed strong relationships between scores and key criterion variables as well as other measures of obstacles and facilitators to academic success. The scale may be used to evaluate an institution’s information technology (IT) accessibility, provide empirical data to influence IT policy, and pinpoint areas of strength as well as areas for improvement, all from the perspective of students with disabilities. Recently, we reported on the development of a scale to evaluate the accessibility of campus computing intended for disability service providers to complete (Fossey et al., 2005). Here we present a companion measure, designed for completion by students with various disabilities. The student measure had to meet a variety of criteria: including easy for students with all types of disabilities to complete; reflective of the changing landscape in the use of information and computer technologies on campus (e.g., eLearning); meaningful to rehabilitation centers to assist them in making needed adaptive hardware (e.g., foot mouse) and software (e.g., software that reads material on the screen) available for their clientele; and helpful as a tool for advocating with campus administration and staff regarding the importance of acquiring and implementing computer technologies accessible to all learners. The measure focuses on the availability and accessibility of adaptive computer technologies in a variety of locations on as well as off campus. Accessibility in this context refers to a range of situations such as whether computers with adaptive technologies are available in general use computer labs; whether eLearning (e.g., course web pages, CD-ROMs) used by faculty is accessible to all learners; and whether learners receive adequate training in how to use needed adaptive software/hardware (Goodman, Tiene, & Luft, 2002).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,319
Score d'incertitude au seuil0,634

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,330
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Postsecondary Education and DisabilityMême sujetDigital Accessibility for DisabilitiesTravaux en français237 207