An Aphasia Mentoring Program: Perspectives of Speech-Language Pathology Students and of Mentors With Aphasia
Notice bibliographique
Résumé
PURPOSE: In contrast to clinician-as-expert models, social models of clinical practice typically acknowledge people with aphasia as equal partners in intervention. Given this, there may be a place within speech-language pathology education for programs situating people with aphasia as experts. This paper describes an aphasia mentoring program that was implemented as part of a speech-language pathology graduate program. METHOD: Qualitative research methods with thematic analysis of interviews, focus groups, questionnaires, and participant observation were used to develop a description of the mentoring program, including the experiences and perspectives of the participants-both mentors (people with chronic aphasia) and students. RESULTS: Five themes, including getting better, aphasia advocacy, group as versus for therapy, we're a team, and focus on mentoring, emerged from the mentors' data. Five themes, including shifting the power dynamic, getting to know the person, seeing members as mentors, making classroom learning real, and connecting with a community, emerged from the students' data. There were significant overlaps and intersections between the 2 data sets. CONCLUSION: Findings revealed how an aphasia mentoring program that positions people with aphasia as experts can make a significant contribution to student education while supporting mentors' own goals, with implications for improved quality of life.
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 | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,007 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,006 |
| 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 ».