3D printing as assistive technology for individuals with deafblindness: perspectives of rehabilitation professionals
Notice bibliographique
Résumé
There is a growing body of evidence on practical applications of three-dimensional (3D) printing to support the rehabilitation of individuals with sensory impairments. However, applications in the field of deafblindness, or the combination of vision and hearing impairment, remain scarce. Therefore, the present study aimed to explore actual and potential applications of 3D printing in deafblindness rehabilitation from the perspective of rehabilitation professionals in two focus group discussions that involved orientation and mobility specialists, vision rehabilitation specialists, audiologists, and braille technicians. Participants exchanged on 1) 3D printing applications to address their clients' rehabilitation needs, 2) factors that can impact its integration into their practice, and 3) the ideal logistics for producing and delivering 3D printed products. Educative models and functional adaptations were identified to improve communication, learning, mobility, and independent living skills for individuals with deafblindness. Professionals agreed that the main barriers limiting 3D printing adoption were linked to time constraints and insufficient awareness or knowledge about this technology, while the most crucial facilitator was the promotion of interdisciplinary collaborations with 3D printing experts. The present findings thus emphasize the need for global collaborations, knowledge dissemination, and ongoing research and validation of 3D printing applications to support individuals with deafblindness.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».