Classifying and Identifying Motor Learning Behaviors in Voice-Therapy Clinician-Client Interactions: A Proposed Motor Learning Classification Framework
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: We studied whether concepts in motor skill learning could be operationalized to identify clinical interactions and behaviors in a voice therapy setting. Our aim was to test the feasibility of measuring these behaviors in the prepractice phase so that we could eventually evaluate and apply principles of motor learning and skill acquisition to Speech-Language Pathology. Four general categories of behaviors that have been identified in the client-clinician prepractice phase were identified: motivation, modeling, verbal information, and feedback. All variables were extracted from a proposed Motor Learning Classification Framework. METHOD: Nine participants categorized clinician behaviors in three voice therapy training videos into specific, described, prepractice variables. RESULTS: Good intrarater reliability was shown across viewings. Inter-rater reliability was high for modeling and verbal information, but raters were not consistent when identifying behaviors classified as motivation and feedback. Raters responded positively to the classification exercise and the categories encompassed nearly all noted behaviors. CONCLUSION: Behaviors described within the motor learning literature can be identified in the initial stages of voice therapy, providing evidence that motor learning concepts can be used to identify interactions and behaviors in clinical settings. Disagreement in classification among raters was influenced by differences in implicit and explicit interpretations of verbal information. This suggests that greater clarity in specific concepts is needed to support teaching of motor learning principles and implementation of these principles in clinical practice for the treatment of speech-language pathology.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle