Incidences of visual disorders on academic difficulties
Notice bibliographique
Résumé
Abstract Purpose Many students underestimate their visual discomfort, although it may have an educational impact. We studied the prevalence of visual disorders among students and compared these results to their academic level. Methods Between September 2012 and April 2013, four hundred students between fifteen and twenty two years of age responded to a questionnaire followed by a visual screening (refraction and binocular vision) in order to detect any visual anomalies they might be unaware of. Then academic performance from participants was appraised and subjects were reviewed to determine whether wearing appropriate optical correction or taking orthoptic care improved their grades. Results Methods from multidimensional approaches (principal component analysis) and explanatory approaches (econometrics) were used for data analysis. Results indicate that the questionnaire score is very significant to predict probability of having academic difficulties (79%) or vision problems (89.42%). Refraction error (+16.78%) and accommodation anomalies (+16.21%) have effects on academic difficulties and binocular vision disorders are even more disadvantageous (+21.95%). Moreover, not spontaneously expressing visual discomfort doesn’t mean that there are no visual defects. Conclusion Once controlled by variables known as impacting learning process, a significant proportion of participants academic difficulties are related to vision anomalies. Therefore, screening of vision anomalies among adolescents appears to be necessary, especially if there are academic difficulties. In addition, the questionnaire used in case history seems to be an effective tool in the detection of vision anomalies and should be validated on a larger sample.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».