Pengembangan Model Pembelajaran Interaksi dan Komunikasi Bagi Anak Autis
Notice bibliographique
Résumé
Penelitian bertujuan untuk mengembangkan model pembelajaran interaksi dan komunikasi bagi anak autis. Penelitian ini diharapkan dapat menjadi referensi bagi terapis, guru dan orangtua dalam memberikan layanan intervensi bagi anak autis dalam mengembangkan kemampuan interaksi dan komunikasi. Penelitian ini menggunakan metode eksperimen, dengan pendekatan subjek tunggal atau single subject research (SSR). SSR mengacu pada strategi penelitian yang dikembangkan untuk mendokumentasikan perubahan tentang tingkah laku subjek secara individu. Model yang digunakan yaitu model A - B - A design. Hasil penelitian menunjukkan bahwa pengembangan model pembelajaran interaksi dan komunikasi bagi anak autis dilaksanakan dengan 3 (tiga) tahapan, yaitu: 1) perencanaan dengan tujuan mendapatkan data tentang reinforcement sampling dan asesmen symbol sebagai penguatan yang diberikan kepada anak autis saat intervensi dilaksanakan, 2) tahapan pelaksanakan dilakukan minimal sebanyak 10 sesi setiap aspek yang akan diintervensi dan setiap intervensi dilakukan perekaman (pencatatan lapangan), 3) tahap evaluasi yang perlu diperhatikan adalah reinforcement dan media yang digunakan menarik atau bahkan kurang menarik bagi subjek.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 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 ».