Digital interventions using mobile technologies for life skills development of learners with autism spectrum disorder: a scoping review
Notice bibliographique
Résumé
Providing essential information for digital health human-computer interaction designers, this scoping review identified the most utilized features of digital evidence-based interventions in prototyped mobile technologies for autism spectrum disorder (ASD), to lay the groundwork for designing user-focused mobile assistive technologies for learners with ASD. The review systematically categorized the features and capabilities of mobile applications that teach, support, and maintain life skills. Synthesizing and analysing 42 studies using thematic analysis, it was found that mobile applications hold the potential to support the uniqueness and varying needs of learners with ASD. This is achieved through personalization in the user interface and user experience, coupled with customizations on learning content. The scoping review also found that mobile applications can assist learners with ASD by breaking down tasks into smaller steps, incorporating pictures, illustrations, videos, sounds, pre-recorded instructions, and just-in-time prompting. In a broader context, mobile technologies can not only enhance life skills learning but also contribute to routine-building for individuals with ASD. This is possible if interventions taught in school are continued at home and integrated with daily home activities, aiming to enhance learning, daily practice, and maintenance of life skills. Future work focuses on making evidence-based interventions readily available and accessible to learners, parents, caregivers, and educators to support the overall well-being of learners with ASD.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».