Impact of COVID-19 on Educational Services in Canadian Children With Attention-Deficit/Hyperactivity Disorder
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
The COVID-19 pandemic led to school closures and a rapid transition to online classes. However, little is known about the impact of online learning in Canadian children with Attention-Deficit/Hyperactivity Disorder (ADHD). An online survey created on Qualtrics was distributed to families across Canada. Data collection was conducted over a total of five weeks in May and June 2020. We reviewed 587 surveys (4% margin of error using a 95% confidence interval) completed by caregivers/parents of children with ADHD (mean child age 10.14 years, SD = 3.06). Survey questions focused on hours of schoolwork completed and whether the learning needs of children with ADHD were met during school closures. Results indicated 90% of children with ADHD received web-based learning during the pandemic. Parents (41%) reported < 5 h of schoolwork per week, and 35% indicated between 5 to 10 h. Of the parents who said their child with ADHD had a modified curriculum (68%), 40% reported receiving educational materials that met their learning expectations during online classes. Parents (59%) reported that their child found it “very challenging” adjusting to online classes. The results indicated that children with ADHD faced significant challenges in adapting to online learning during the pandemic. Binary logistic regression indicated significant associations between depression severity, difficulties with starting and managing tasks and challenges adjusting to online learning. Long-term consequences of these challenges will need to be determined to ensure children with ADHD are able to meet their academic expectations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle