Should we change targets and methods of early intervention in autism, in favor of a strengths-based education?
Notice bibliographique
Résumé
Early intensive behavioral intervention (EIBI) and its recent variant, naturalist developmental behavioral intervention (NDBI) aim to increase socialization and communication, and to decrease repetitive and challenging behaviors in preschool age autistic children. These behaviorist techniques are based on the precocity and intensity of the intervention, face-to-face interaction, errorless learning, and information fragmentation. Once considered to be “scientifically proven”, the efficacy of these approaches has been called into question in the last decade due to poor-quality data, small effects, low cost-efficiency, and the evolution of ethical and societal standards. Grounded on a reappraisal of the genetic and cognitive neuroscience of autism, we question three aspects of EIBI/NDBI: their focus on prerequisites for typical socio-communicative behaviors, their lack of consideration of autistic language development and learning modes, and their negative view of repetitive behaviors and restricted interests. We propose alternative predictions for empirical validation, based on the strengths of prototypical autistic children: (a) their non-verbal intelligence should be normally distributed and within the normal range; (b) improving access to non-communicative verbal and written auditory language material should favor their subsequent speech development and (c) decrease their problematic behavior; (d) lateral tutorship should increase the well-being of children and parents to a greater extent than personalized, face-to-face interventions by professionals; (e) admission to regular, but supervised daycare centers, combined with parental support and on-site crisis solving, represents a more cost-effective educational intervention than EIBI/NDBI.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».