A cross‐sectional multivariate analysis of children's attitudes towards disabilities
Notice bibliographique
Résumé
BACKGROUND: Past research has shown that children can be biased against peers with disabilities, but the association of attitudes with gender, age and disability preferences, as well as interactions between these variables, are unclear. The objectives of this study were to examine these issues in a cross-sectional, split-plot study to clarify: (1) if elementary school children's attitudes towards peers with disabilities are related to age, gender and type of disability; (2) if interactions between these variables exist; and (3) if convergent validity could be achieved across three theoretically linked dependent variables. METHODS: One hundred elementary school children between 4 and 10 years old were assessed for attitudes towards target children with no disability, a physical or an intellectual disability, and a combined intellectual/physical disability. Measures were completed in an interview format. RESULTS: Attitudes towards a target child with physical disabilities and a target child without disabilities did not differ. There was a significant interaction for age and disability. Attitudes towards target children with intellectual and intellectual/physical disabilities were negatively biased, and were negatively associated with age. Results were consistent across measures except for a main effect of gender in one measure and a gender by age interaction in another. CONCLUSIONS: Children's attitudes appear to be associated with several factors, including age and the presence or absence of disability. Gender differences in attitudes may be because of gender-based response biases rather than disability biases. Because of the multifaceted nature of childhood attitudes, cross-sectional designs with several dependent and independent variables provide an opportunity to examine consistency of results across measures and potential interactions between factors that may not be uncovered when variables are examined in isolation.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 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 ».