MétaCan
Menu
Retour à la cohorte
Enregistrement W1587238562 · doi:10.1155/2015/165165

Enhancing the Cognitive and Learning Skills of Children with Intellectual Disability through Physical Activity and Edutainment Games

2015· article· en· W1587238562 sur OpenAlexaff
Amal Dandashi, AbdelGhani Karkar, Sawsan Saad, Zaara Barhoumi, Jihad Mohamad Alja’am, Abdulmotaleb El Saddik

Notice bibliographique

RevueInternational Journal of Distributed Sensor Networks · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesQatar National Research FundFonds National de la Recherche Luxembourg
Mots-clésComputer scienceIntellectual disabilityInterface (matter)CognitionMultimediaProcess (computing)Cognitive disabilitiesTangible user interfaceHuman–computer interactionUser interfacePsychology

Résumé

récupéré en direct d'OpenAlex

This work introduces an edutainment system specifically designed to help children with intellectual disability (ID) in order to allow them to have an enhanced and enjoyable learning process and addresses the need for integrating physical activity into their daily lives. The proposed system consists of a multimedia technology based games with a tangible user interface. The edutainment system was tested on 77 children with different intellectual disabilities (IDs). The mildly disabled groups achieved best results in terms of scores and coordination, but all the observed groups exhibited high motivation levels. The results proved that the system had very positive effects on the children, in terms of cognition and motivational levels, especially as the children became more physically active in the classrooms. Instructors also expressed willingness to incorporate the edutainment system into the classroom on a daily basis, as a complementary tool to conventional learning.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,314
Écart entre enseignants0,298 · 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'étudeExpérimental (laboratoire)
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

Citations46
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Distributed Sensor NetworksMême sujetEducational Games and GamificationTravaux en français237 207