A peer-mediated intervention for middle school students with autism spectrum disorder
Notice bibliographique
Résumé
Youth with autism spectrum disorder (ASD) are at increased risk for social isolation and loneliness. Although students with ASD are spending more time in inclusive settings at school, research has found that simply placing a student with ASD in physical proximity to typically developing peers is not sufficient to promote social gains. This study used a non-concurrent multiple-baseline, multiple-probe across participants design to investigate the effectiveness of a low-intensity, low-cost peer-mediated intervention (PMI) on social behaviours (engagement and communicative acts) for middle-school aged students with ASD during lunch breaks at school. Nine typically developing peers received less than one hour (40-50 minutes) of peer coach training. Following training, peers were encouraged to interact with their classmate with ASD during lunch breaks at school, using the strategies taught during training. Peer coaches were provided with brief feedback after each probe observation during intervention and praise only during follow-up. Results showed a functional relation between the intervention and both engagement and communicative acts, with three demonstrations of effect across participants. There was some maintenance of effect at 1-4 weeks follow-up. Social validity of this intervention was high for both peer coaches and classroom teachers. In addition, mutual enjoyment was observed for the majority of probe observation sessions across groups. This study contributes to and extends the existing PMI research by including participants between the ages of 11-13 with varying intellectual and social-communication abilities and by delivering the intervention in natural, unstructured school settings. It is important to identify evidence-based interventions that have high social validity from the perspective of school administrators, as interventions that are effective, efficient, and cost-effective are most likely to be adopted by schools.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».