MétaCan
Menu
Retour à la cohorte
Enregistrement W2570892025 · doi:10.5206/eei.v26i1.7736

Children's Voices: Perspectives on Using Assistive Technology

2016· article· en· W2570892025 sur OpenAlexaffvenue
Robin Elizabeth Schock, Elizabeth A. Lee

Notice bibliographique

RevueExceptionality Education International · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisability Education and Employment
Établissements canadiensQueen's UniversitySt. Lawrence College
Organismes subventionnairesnon disponible
Mots-clésThematic analysisAssistive technologyPsychologyFocus groupPerceptionQualitative researchMathematics educationPedagogyDevelopmental psychologyMedical educationComputer scienceMedicineSociology

Résumé

récupéré en direct d'OpenAlex

Rarely are the views of children with learning disabilities elicited. In this study, we used focus groups involving eight students with learning disabilities to explore their self-perceptions as learners and writers using assistive technology (AT). Three groups of two to three Grade 4–8 students and their parents participated in the qualitative study. Both student and parent responses provided data for thematic analysis that resulted in three themes: (a) changes in students’ self-perceptions as learners; (b) student and parental self-reported benefits of using assistive technology; and (c) inconsistencies in approaches to using assistive technology in schools. The implications for education are greater attention to the views of elementary school children; greater focus on the use of AT in the classroom; and greater AT training for teachers in order to better support the use of AT by students with LD.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,523
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,392
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.

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

Citations9
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueExceptionality Education InternationalMême sujetDisability Education and EmploymentTravaux en français237 207