TEKNIK KOMUNIKASI DAN TEKNIK PEMBELAJARAN ANAK BERKEBUTUHAN KHUSUS PADA MASA PANDEMI COVID 19
Notice bibliographique
Résumé
This study aims to describe communication techniques and learning techniques for Children with Special Needs during the Covid19 pandemic at KTK BSS Giwangan Yogyakarta. The research used descriptive qualitative research. The qualitative approach was chosen because this study used social interaction to obtain data from natural data sources. The data source of this research is Children with Special Needs (ABK) or Special Needs at KTK BSS Giwangan Yogyakarta in kindergarten and elementary school levels. From this research, it was found that in KTK BSS Giwangan there are three types of children with special needs, namely speech impaired, autism and learning difficulties. Communication techniques used are: 1) Using private learning methods (one teacher one child); 2) Make eye contact with the child you are talking to; 3) Cultivating a sense of empathy in conversation; 4) Discuss specific and clear topics and 5) Be patient in waiting for answers from children. Different learning techniques from other children. The learning technique used is the learning technique used for the speech impaired using the Indonesian Sign Language System (SIBI) and the Indonesian Sign Language (BISINDO). For children with Autism constraints using 1) Modeling; 2) Latent Learning 3) Give positive praise and 4) Divide all activities step by step. Learning Difficulties using 1) Multisensory Method; 2) Linguistic Method and 3) Glass Analysis
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».