MétaCan
Menu
Retour à la cohorte
Enregistrement W4387670579 · doi:10.3390/educsci13101033

Communication, Language, and Modality in the Education of Deaf Students

2023· article· en· W4387670579 sur OpenAlexaff
Connie C. Mayer, Beverly J. Trezek

Notice bibliographique

RevueEducation Sciences · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueHearing Impairment and Communication
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésConversationDeaf educationModality (human–computer interaction)Cognitive reframingContext (archaeology)Spoken languageLiteracyPsychologyFocus (optics)PopulationLinguisticsPedagogySign languageComputer scienceSociologyCommunicationSocial psychology

Résumé

récupéré en direct d'OpenAlex

In the history of deaf education, questions attending communication, language, and modality have generated much discussion, and even heated debate. This should not be surprising as these questions touch on a fundamental issue that is central to policy and practice in the field—how to provide early, ready, and meaningful linguistic access. While one point of agreement is that such access is vital for age-appropriate language and literacy development, there is less consensus on how this access should be realized. This focus has heightened consequences and significance in the current context in which auditory access to spoken language is possible for the majority of deaf children. With a goal of reframing the conversation, the focus of this article will be on making the critical distinctions between language and modality that can inform understandings as to how access can be best achieved for an increasingly diverse population of deaf children and their families.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,199

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,081
Tête enseignante GPT0,503
Écart entre enseignants0,422 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetHearing Impairment and CommunicationTravaux en français237 207