Effects of word prediction and location of word prediction list on text entry with children with spina bifida and hydrocephalus
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AbstractIn this study, a single-subject alternating-treatments design was used to evaluate the effect of word prediction on the rate and accuracy of text entry and to compare the effect of location of a word prediction list on the rate and accuracy of text entry. Three locations were evaluated: upper right corner, following the cursor, and lower middle border. KeyREP© was the word prediction software used in this study. Three girls and one boy aged 10 to 12 years with spina bifida and hydrocephalus participated in the study over a period of 20 days. The rates and accuracy of text entry were measured on a copy-writing task. It was found that word prediction did not improve the rates of text entry but did improve the accuracy of text entry when the prediction list was placed in the lower middle border. Statistically, there was no difference in rate or accuracy when the prediction list was placed in different locations; however, three participants recorded the lowest rate, and all participants achieved lowest accuracy when the prediction list followed the cursor. The findings are discussed in terms of user characteristics, the dictionary used in the software, and the nature of the writing task (copying text) because these are common factors that can affect the effectiveness of word prediction.Keywordsphysical impairment single-subject design software typing rate word list word prediction writing aid
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle