MétaCan
Menu
Retour à la cohorte
Enregistrement W2549711624 · doi:10.1177/0022466916679980

Using Self-Monitoring With Guided Goal Setting to Increase Academic Engagement for a Student With Autism in an Inclusive Classroom in China

2016· article· en· W2549711624 sur OpenAlexaff
Sheng Xu, Jie Wang, Gabrielle T. Lee, Nicole Luke

Notice bibliographique

RevueThe Journal of Special Education · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensSurrey Place Centre
Organismes subventionnairesnon disponible
Mots-clésAutismStudent engagementPsychologyIntervention (counseling)Self-monitoringClass (philosophy)Goal settingAcademic achievementMedical educationDevelopmental psychologyMathematics educationSocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to investigate whether using self-monitoring with guided goal setting was effective in increasing academic engagement for a student with autism who frequently displayed disruptive behaviors in an inclusive classroom in China. A 9-year-old male student with autism participated in this study. A changing criterion single-subject design was used. Training on self-monitoring took place outside of the classroom prior to the implementation of self-monitoring and guided goal setting in the language art class in an inclusive classroom. The goal was gradually increased and determined by the student’s best performance on the previous phase. Results showed an increase in the student’s academic engagement during intervention. The student also maintained a high level of academic engagement during 1-week follow-up sessions without self-monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,331

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,402
Écart entre enseignants0,358 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Special EducationMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207