MétaCan
Menu
Retour à la cohorte
Enregistrement W4281781237 · doi:10.1177/13623613221097207

Learning from the experts: Evaluating a participatory autism and universal design training for university educators

2022· article· en· W4281781237 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAutism · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesProfessional Staff Congress and City University of New York
Mots-clésAutismPsychologyMedical educationCitizen journalismPedagogyDevelopmental psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Autistic students experience strengths and challenges that can impact their full inclusion in higher education, including stigma. A participatory team of autistic and non-autistic scholars developed an autism and universal design (UD) training. This participatory approach centered the voices of autistic collaborators in training design and evaluation. Ninety-eight educators from 53 institutions across five countries completed assessments before training (pre-tests), 89 completed post-tests (after training), and 82 completed maintenance assessments (a month after post-test). Pre-test autism stigma was heightened among males, educators with less autism knowledge, and those who reported heightened social dominance orientation. Autism knowledge, autism stigma, and attitudes toward UD improved with training. Improvements remained apparent a month after post-test but were somewhat attenuated for knowledge and stigma. To the best of our knowledge, this is the first evidence of maintenance of benefits of an autism training over time. Participants’ main reason for enrolling in the study was to gain a better understanding about neurodiversity. Feedback indicates that this goal was reached by most with the added benefit of gaining understanding about UD. Results suggest that interest in one type of diversity (e.g. autism) can motivate faculty to learn UD-aligned teaching strategies that benefit diverse students more generally. Lay abstract Autistic university students have many strengths. They also go through difficulties that professors may not understand. Professors may not understand what college life is like for autistic students. They might judge autistic students. A team of autistic and non-autistic researchers made a training to help professors understand autistic students better. This training also gave professors ideas to help them teach all of their students. Ninety-eight professors did an online survey before the autism training. They shared how they felt about autism and teaching. Before our training, professors who knew more about autism appreciated autism more. Professors who thought people should be equal and women also appreciated autism more. Then, 89 of the professors did our training and another survey after the training. This helped us see what they learned from the training. They did one more survey a month later. This helped us see what they remembered. Our training helped professors understand and value autism. It also helped them understand how they can teach all students better. The professors remembered a lot of what we taught them. This study shows that a training that autistic people helped make can help professors understand their autistic students better.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,220
Tête enseignante GPT0,353
Écart entre enseignants0,133 · 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