Relationship between the Kinarm Standard Test of upper body coordination and school success in secondary students
Notice bibliographique
Résumé
Background: Almost 18% of Ontario students received special education support through an IEP in the 2023-2024 school year. These students may have been identified as needing support with diagnosis such as learning disability or Autism or with a non-identified IEP. In this paper we will refer to these students as having a learning differences. The connection between learning difference and difficulties with motor control is well documented but not well understood, partly due to underdiagnosis and the lack of standardized assessment criteria. The Kinarm, a robotic assessment tool, is a quick and objective measure of sensory, motor, and cognitive functions. This research explored the use of the Kinarm as an assessment tool for coordination in high school students and the relationship between Kinarm standard tests (KSTs) and school success measures such as naming speed tasks, word reading, teacher generated grades, and standardized testing.Methods: Thirty-nine high school students completed 7 of the KSTs. Students also completed rapid digit naming, word reading, and working memory task. Academic and testing scores were collected. Visual exploratory analysis was conducted along with Pearson correlations (1-tailed).Results: There were moderate correlations between a variety of co-ordination tasks and cognitive/school scores. The correlations remained moderate after controlling for speed and continued to be evident after an adjustment for false discovery rate.Discussion: Despite a small sample size and limited number of neurodiverse participants this research confirms a relationship between co-ordination and measures of school success. Students with Individual Education Plans appeared more often as outliers in movement measures. This study confirms the feasibility of using a robotic assessment with high school students. Future studies can explore the use of Kinarm with a larger sample and larger number of exceptional learners.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».