Self-reported assistive technology outcomes and personal characteristics in college students with less-apparent disabilities
Notice bibliographique
Résumé
The impact of assistive technology (AT) services for college students with less-apparent disabilities is under-reported. Using the Canadian Occupational Performance Measure (COPM), we assessed student Performance and Satisfaction ratings of common academic tasks at the start and end of a semester during which 105 student-clients with less-apparent disabilities received AT services. We examined if COPM scores related to personal characteristics of gender, class-level (e.g., Sophomore), and STEM education; if personal characteristics predicted a student's follow-through with an AT service referral (n=231); and if personal characteristics and initial COPM scores predicted dropout from AT services (n=187). COPM ratings significantly increased in all academic tasks (p<.001). Gender predicted initial Satisfaction (male ratings > female ratings; p=.01), and Performance changes (females were more likely to have a service-meaningful change; p=.02). Higher class-level predicted better follow-through with a referral for AT services (p=.006). Increasing class-level (p=.05) and higher initial studying (p<.006) and reading (p<.029) ratings predicted a lower likelihood for dropout. These findings demonstrate that college students with less-apparent disabilities experience substantial improvements in their self-ratings of academic performance and satisfaction following AT services. Gender, class-level, and initial self-perceived reading and studying abilities may influence if and how the student participates with AT services.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».