MétaCan
Menu
Retour à la cohorte
Enregistrement W4318695009 · doi:10.51891/rease.v9i1.8313

LITERACY CHALLENGES CHILDREN WITH ADHD IN REGULAR EDUCATION

2023· article· pt· W4318695009 sur OpenAlexaff
Jaqueline Motta de Moura, Dayse Alves, Ana Lourdes Cruz Veras, Luciana Ferreira da Costa, Rucenita Queiroz, Rafaela Brito

Notice bibliographique

RevueRevista Ibero-Americana de Humanidades, Ciências e Educação · 2023
Typearticle
Languept
DomaineSocial Sciences
ThématiqueAcademic Research in Diverse Fields
Établissements canadiensContinental (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychologyLiteracyHumanitiesDevelopmental psychologyPhilosophyPedagogy

Résumé

récupéré en direct d'OpenAlex

Este trabalho trata da hiperatividade e da falta de atenção de muitas crianças encontradas no ambiente escolar, apresentando distúrbios comportamentais que é mais conhecido como TDAH- Transtorno de Déficit de Atenção e Hiperatividade, prejudicando assim o desenvolvimento da aprendizagem das mesmas. Sendo assim teve como objetivo geral analisar a hiperatividade na educação infantil e suas dificuldades de aprendizagem, e com específicos verificar os fatores causados pela hiperatividade na sala de aula; observar como os professores caracterizam o transtorno; investigar como esses profissionais encaminham os alunos nessas situações dentro da escola. O interesse pelo tema surgiu através das observações em sala de aula e na própria escola, tendo sido levantada a seguinte problemática: de que forma a hiperatividade dificulta na aprendizagem da criança? Como a hiperatividade nas turmas de Educação infantil pode prejudicar a aprendizagem? Para isso foi realizado um estudo bibliográfico de autores que tratam tais como Rizzo (2003), Didonet (2001) e Peres (2013). Os resultados apontaram que o TDAH é um transtorno que deve ser apoiado tanto pela família quanto pelos professores, criando um elo efetivo para a melhora do seu comportamento de atenção e hiperatividade.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,250
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,072
Tête enseignante GPT0,379
Écart entre enseignants0,307 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Ibero-Americana de Humanidades, Ciências e EducaçãoMême sujetAcademic Research in Diverse FieldsTravaux en français237 207