Investigating Differences in Professionals’ Use of Information for Learning Disability Identification
Notice bibliographique
Résumé
A learning disability (LD) can be defined as unexpected or chronic underachievement that cannot be explained by any other cognitive deficits (Swanson, Harris & Graham, 2013). LD has been said to be one of the least understood disabilities to affect school-aged population (Lyon et al., 2001). Different models may be used to identify an LD (e.g., Ability-Achievement Discrepancy and Response to Intervention (RtI) Models). Three groups of professionals (practicing psychologists, pre-service psychologists and pre-service teachers) were recruited from the Edmonton area. Participants were given three different cases and were asked to determine their confidence in both their ability to make a decision about the student needs and ability to interpret the data provided in the cases. Finally, the professional’s evaluated which case was most likely or least likely to have an LD. Pre-service psychologists were able to identify the model that combined both RtI and the ability-achievement discrepancy at a rate higher than both practicing psychologists and pre-service teachers. The pre-service teacher’s answers were dispersed among all three cases, confirming that these professionals would be no greater than chance in identification of an LD. The preliminary results of this small sample size study indicate that both pre-service psychologists and practicing psychologists found the case that combined both the ability-achievement discrepancy model and RtI model most useful in the identification of an 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 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 | 0,002 |
| 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 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 ».