Use of iPads in the Education of Children with Autism-Spectrum Disorder
Notice bibliographique
Résumé
The purpose of this study is to investigate the effect of iPads on children with autism-spectrum disorder (ASD) in three areas: quality of learning, communication skills and social skills, and to determine whether there are any negative effects. We found many studies on this topic. To answer this question, we sent an online questionnaire to past and present special-education staff. The questions were retrieved from two questionnaires-"Ha'arakhat Proyekt Miẖshuv Ganim Liladim 'im Tsrakhim Meyuẖadim" (The Assessment of Creating Computer Environments in Special-Education Kindergartens) (1997) and "'Emdot Morim Klapey Shiluv Tekhnologyot Meda IT Behora'a" (Teachers' Attitudes Toward Integrating Information Technology [IT] into Instruction) (2016). The sample population included 100 subjects, 95 of which were women and 5 were men, of various occupations. The most significant occupations were: National Service ("Sherut Leumi", an alternative voluntary service for young Israelis exempt from serving in the Israel Defense Forces), teacher, and teaching assistant. The hypotheses concerning communication and learning were proved-the iPad was found to aid and improve communication and learning in children with ASD. The hypothesis concerning social skills was disproved-iPads were found to improve social skills. The hypothesis concerning the negative effects of iPads was proved as well, and a positive correlation was found; that is, the more the iPad is used, the greater are its negative effects, specifically outbursts and iPad obsession. The conclusion is that the use of breakthrough technology in special education brings significant change into the lives of children with ASD, despite its clear disadvantages.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».