Application of the Challenge Point Framework During Treatment of Speech Sound Disorders
Notice bibliographique
Résumé
Purpose The purpose of this article is to provide trial-by-trial practice performance data in relation to learning (outcome probe data) as collected from 18 treatment sessions provided to children with severe speech sound disorders. The data illustrate the practice-learning paradox: Specific, perfect practice performance is not required for speech production learning. Method We detailed how nine student speech-language pathologists (SSLPs) implemented and modified the motor learning practice conditions to reach a proposed challenge point during speech practice. Eleven participants diagnosed with a severe speech sound disorder received high-intensity speech therapy 3 times per week for 6 weeks. SSLPs implemented treatment procedures with the goal of achieving at least 100 practice trials while manipulating practice parameters to maintain practice at the challenge point. Specifically, child performance was monitored for accuracy in five-trial increments, and practice parameters were changed to increase functional task difficulty when the child's performance was high (four or five correct responses) or to decrease functional task difficulty when the child's performance was low (fewer than four correct responses). The practice stimulus, type and amount of feedback, structure of practice, or level of support might be changed to ensure practice at the challenge point. Results On average, the children achieved 102 practice trials per session at a level of 58% correct responses. Fast achievement of connected speech with the lowest amount of support was associated with high scores on generalization probes. Even with high levels of error during practice, the children improved percent consonants correct with maintenance of learning 3 months posttreatment. Conclusion The results of this study show that it may not be necessary to overpractice or maintain a high degree of performance accuracy during treatment sessions to achieve transfer and retention of speech production learning.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».