Training and learning support to use smartphones and apps for people with vision impairment (PVI): A multi-site qualitative study on trainers’ perspectives from Australia, Canada, and Singapore
Notice bibliographique
Résumé
Smartphones and applications (apps) are replacing traditional assistive technology devices for people with vision impairment (PVI) to support their mobility and independence in daily life. However, training and learning support to enable PVI to use this technology to its full advantage requires further research. A better understanding of what, and how, training and learning support is currently being provided is required to inform the future development of training and best practice in the area. This study, using an interpretive descriptive qualitative approach, aimed to explore the perspectives of trainers on the current provision of smartphone training in Australia, Canada, and Singapore. Semi-structured interviews with 22 trainers, including 13 trainers with a vision impairment, discussed how training is currently conducted, the challenges, and their ideas on what would constitute a high-quality or ideal training programme. The data were analysed using thematic analysis and six themes emerged: structure and content of training; training provides hope, independence and connection; trainers’ approach and attributes influence training; informal support and other avenues for learning; challenges associated with providing training; and suggestions to improve training. Participants highlighted that smartphone training was a source of hope for PVI and that it enabled independence. The importance of responding to clients’ emotional needs, in addition to their learning needs in an individualised and graded approach, was discussed as critical to the success of training. Trainers with vision impairment who weaved their lived experience into the training sessions found this to be beneficial to their clients’ learning and adjustment to vision loss.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,007 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».