MétaCan
Menu
Retour à la cohorte
Enregistrement W2983536689 · doi:10.33262/concienciadigital.v3i1.2.1174

La utilización de la tecnología en el desarrollo del lenguaje de los niños de 4 años

2020· article· es· W2983536689 sur OpenAlexvenueno aff
Paola de los Ángeles Bonilla Morales, Elsa Verónica Troya Ortiz, Víctor Peñafiel Gaibor

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomainePsychology
ThématiqueDevelopmental and Educational Neuropsychology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

El estudio comparativo establece la relación entre la utilización de la tecnología y el desarrollo del lenguaje de los infantes en el cuarto año de vida. En el presente estudió se trabajó con una población de 34 niños que asisten al Inicial 2 de la Unidad Educativa Sagrada Familia que fueron divididos en dos grupos: un normal y otro de control. Los métodos utilizados fueron cualitativos y cuantitativos a través de las técnicas de recolección de la información. Así, para obtener el nivel de desarrollo del lenguaje de los niños, se empleó el sub test de lenguaje del test de desarrollo psicomotor TEPSI. Al grupo normal se aplicó las láminas del test, mientras que, al grupo de control se trabajó empleando el mismo test, pero aplicando la tecnología. Seguidamente, se obtuvieron los resultados del test utilizado en los dos grupos y se procesó la información mediante el uso de un estadístico. Por otra parte, el análisis probó que la utilización de la tecnología favorece la valoración del lenguaje, consiguiendo puntajes adecuados para la edad del niño. En definitiva, se evidencia que la tecnología debe ser vista como una herramienta de apoyo para el desarrollo del aprendizaje del lenguaje en niños de 4 años. De esta forma, vemos que se abre nuevas líneas de investigación en cuanto se refiere a la implementación de la tecnología como uso terapéutico en áreas de la estimulación temprana.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,357
Écart entre enseignants0,334 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetDevelopmental and Educational NeuropsychologyTravaux en français237 207