A Consultative Model for AAC/AT Support: A Team Approach
Notice bibliographique
Résumé
No AccessPerspectives on School-Based IssuesArticle1 Jun 2005A Consultative Model for AAC/AT Support: A Team Approach Vicky McKamy, and Jacquelyn R. Moore Vicky McKamy Montgomery County Public SchoolsRockville, MD Google Scholar More articles by this author and Jacquelyn R. Moore Montgomery County Public SchoolsRockville, MD Google Scholar More articles by this author https://doi.org/10.1044/sbi6.2.17 SectionsAboutFull TextPDF ToolsAdd to favoritesDownload CitationTrack Citations ShareFacebookTwitterLinked In References ASHA. (1991). Augmentative and alternative communication.Asha, 33 (Suppl. 5), 8. Google Scholar Calculator, S. N., & Jorgensen, C. M. (1991). Integrating AAC instruction into regular education settings: Expounding on best practices.AAC Augmentative and Alternative Communication, 7, 204–214. Google Scholar Fitts, P. M., (1964). Perceptual-motor skill learning.In A. W Melton (Ed.), Categories of human learning. New York: Academic Press. Google Scholar Porter G. & Burkhart L. J. (2004, October). Designing light-tech & high-tech dynamic auditory scanning systems. Paper presented at the International Society for Augmentative and Alternative Communication (ISAAC), Natal, Brazil. Google Scholar Weitzman E. (1993, Fall). Remembering to remember: Helping parents and teachers monitor their interactive behavior. Ontario, Canada: WigWag, The Hanen Center. Google Scholar Additional Resources FiguresReferencesRelatedDetails Volume 6 Issue 2 June 2005 Pages: 17-21 Get Permissions Add to your Mendeley library History Published in issue: Jun 1, 2005 Metrics Topicsasha-topicsasha-sigsasha-article-typesCopyright & PermissionsCopyright © 2005 American Speech-Language-Hearing AssociationPDF downloadLoading ...
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».