MétaCan
Menu
Retour à la cohorte
Enregistrement W1554008140 · doi:10.1080/10400435.2011.588990

Children's Satisfaction With Assistive Technology Solutions for Schoolwork Using the QUEST 2.1: Children's Version

2011· article· en· W1554008140 sur OpenAlexaboutno aff
Sonya Murchland, Jocelyn Kernot, Helen Parkyn

Notice bibliographique

RevueAssistive Technology · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSmileyAssistive technologyPsychologyApplied psychologyMedical educationMedicineComputer scienceHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

This study explored the levels of satisfaction children 8–18 years experienced with assistive technology items used to assist them in their schoolwork. Modified from the Quebec User Evaluation of Satisfaction (QUEST 2.0), the QUEST 2.1: Children's Version was developed to enable scoring by children with or without parent assistance. The QUEST 2.1: Children's Version used a seven-point smiley face scale (1 = “delighted”). A mailed survey to a convenience sample of 703 children with physical disabilities was undertaken with 156 responses (22.5% response rate) yielding 98 valid QUEST 2.1 questionnaires. Children had a mean age of 12 years 6 months (SD 3.0 years), 60.2% were boys, and 80.6% resided in metropolitan or peri-urban areas. For data analysis, assistive technology items were grouped as communication devices, computer hardware, computer software, and other. High levels of satisfaction were reported overall on the QUEST 2.1: Children's version (total score mean 2.66, SD 1.09). Variations between different groups of assistive technology items, and between items indicated as most or lest favorite are reported and discussed. Advice given for selection, reliability, and ease of use were identified as the most important satisfaction items.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,030
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,066
Tête enseignante GPT0,369
Écart entre enseignants0,302 · 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

Citations18
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssistive TechnologyMême sujetAssistive Technology in Communication and MobilityTravaux en français237 207