MétaCan
Menu
Retour à la cohorte
Enregistrement W2952429455 · doi:10.1177/0162643419854504

A Comparison of Manipulative Use on Mathematics Efficiency in Elementary Students With Autism Spectrum Disorder

2019· article· en· W2952429455 sur OpenAlex
Laura Bassette, Emily C. Bouck, Jordan Shurr, Jiyoon Park, McKenzie Cremeans, Emma Rork, Kelsey A. Miller, Sarah Geiser

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Special Education Technology · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral and Psychological Studies
Établissements canadiensQueen's University
Organismes subventionnairesBall State University
Mots-clésAutism spectrum disorderAutismIntervention (counseling)Mathematics educationPsychologyAssistive technologyComputer scienceDevelopmental psychologyHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Manipulatives are a commonly used intervention that provide visual instruction known to promote mathematical learning; however, the impact on students with autism spectrum disorder (ASD) is less understood. Improving mathematical procedural understanding is important for students with ASD given these skills can help increase access to more advanced mathematics and future opportunities (e.g., postsecondary education). This study expanded upon previous research and compared the ability of students with ASD to solve mathematical problems when using concrete and app-based manipulatives. A single-case alternating treatment design was used to explore differences in steps completed independently per minute (i.e., efficiency) and accuracy when using both types of manipulatives. Two participants were more efficient when using the app-based manipulative while one was more efficient with the concrete manipulative. Similar to previous research, all participants indicated they preferred the app-based condition. Limitations and future research are included.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,417
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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