Using Equivalence-Based Instruction to Improve Expression and Comprehension of Emotional Metaphors for Children on the Autism Spectrum
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Metaphors are frequently used in daily life. Many children on the autism spectrum have difficulties in comprehending and generating metaphors. The purpose of this study was to evaluate an equivalence-based instruction (EBI) procedure aimed at improving comprehension and expression of emotions in metaphors. Four Chinese boys on the spectrum participated in this multiple probe design across emotions (i.e., angry, sad, happy, anxious, and fear) study. In this procedure, first, the instructor presented a picture of an emotion (A) with its commonly understood features (B) (e.g., facial expression—smile, nonverbal gestures—bouncing up and down). The child was taught the A→B relation by labeling the emotion and its corresponding features. Next, the instructor presented a picture of the stimulus used in a metaphor (C) sharing a similar feature (B) with the corresponding emotion. The child was taught the C→B relation by labeling the stimulus and its corresponding feature. After completion of the training, the untaught A→C (metaphorical expression, e.g., “What is happy like?”) and C→A (metaphorical comprehension, e.g., “If I say, “She is like a bouncing ball. How does she feel?”) relations were tested. Results indicated that the EBI procedure was functionally related to improved performance for metaphorical expression in three children and for metaphorical comprehension in two children. The use of EBI to facilitate the acquisition of metaphorical expression and comprehension for children on the spectrum is discussed.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle