Computerized Cognitive Training in Children With Autism and Intellectual Disabilities: Feasibility and Satisfaction Study
Notice bibliographique
Résumé
BACKGROUND: Researchers are increasingly interested in testing and developing computerized cognitive training interventions for individuals with autism spectrum disorder due to the limited accessibility of treatments for this disorder. Understanding the feasibility of testing cognitive interventions for this population is critical, especially for individuals with ASD who have low to moderate intellectual ability. OBJECTIVE: The aim of the study was to evaluate the feasibility of computerized cognitive training as measured by attrition rate and a parent satisfaction survey. METHODS: A total of 26 participants aged 8-17 years with an autism spectrum disorder diagnosis and significant intellectual impairment were enrolled (mean age 11.1 years). They were instructed to complete 25 sessions of Cogmed Working Memory Training in 5 to 6 weeks with coach assistance. Attrition rate and parent satisfaction surveys were measured after the completion of training. RESULTS: Most participants (96%, 25/26) completed the training and indicated high satisfaction (>88%). However, among the participants who completed the training, 5 participants (19%) were unable to finish in 6 weeks, the recommended training period by Cogmed. Parents noted various positive (eg, voice-overs) and negative (eg, particular graphic and sounds associated with a stimulus) features of the game that they thought affected their child's response. CONCLUSIONS: Children with autism spectrum disorder and intellectual impairments can successfully participate in computerized cognitive training interventions but may require additional weeks to complete the training beyond the time needed for children without intellectual impairments. The overall completion rate, with extended time to complete the training, was high. Developers of cognitive training programs for this population should take into account potential issues regarding the noise level of stimuli and characteristics of the visual graphics.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».