MétaCan
Menu
Retour à la cohorte
Enregistrement W3173887044 · doi:10.5539/ies.v14n7p1

The Use of Audio-Visual Materials in the Education of Students with Hearing Loss

2021· article· en· W3173887044 sur OpenAlexvenueno aff
Elif Akay

Notice bibliographique

RevueInternational Education Studies · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyComprehensionVocabularyVocabulary developmentAdaptation (eye)Visual learningHearing lossRealiaTeaching methodAudio visualMathematics educationPedagogyMultimediaComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

Learning is the process of restructuring mental schemas through adaptation to new experiences. Instructional materials help form a suitable and individualized educational environment for students with hearing loss while facilitating lexical development and comprehension of academic content. This case study aims to demonstrate the contribution of visual and audiovisual materials to the efficiency of the Social Studies Course for 4th-grade students with hearing loss. Findings of the study have been collected through video recordings of the lessons, validity meetings, the research log, realia, photographs/images, graphic organizers, and educational videos/documentaries. Data analysis demonstrates that the use of visual and audiovisual materials contributes substantially to students’ (a) comprehension of the questions and explanations, (b) participation in and drawing conclusions from classroom discussions, and (c) understanding of new vocabulary and concepts. Based on the results, it can be argued that the use of visual and auditory materials presented so as to cater to the individual needs of the students, together with various educational strategies, provides significant advantages in the acquisition of academic knowledge by students with hearing loss.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,177
Tête enseignante GPT0,505
Écart entre enseignants0,328 · 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetHearing Impairment and CommunicationTravaux en français237 207