MétaCan
Menu
Retour à la cohorte
Enregistrement W4406951476 · doi:10.1177/01626434251314042

Integrating New Instructional Assistive Technology to Support Academic and Behavioural Instruction for Students with Learning Disabilities

2025· article· en· W4406951476 sur OpenAlex
Shruti Chandra, Jennifer Fane, Negin Azizi, Mike McKenzie-Gray, Melissa Sager, Kerstin Dautenhahn

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Special Education Technology · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAssistive technologyMathematics educationComputer-Assisted InstructionLearning disabilityPsychologyInstructional designSpecial educationEducational technologyAcademic achievementComputer sciencePedagogyHuman–computer interactionDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Assistive Technology can be a highly effective tool in supporting students with Learning Disabilities (LD) in addressing foundational academic skill gaps as part of academic and behavioural one-to-one instruction. However, there are barriers to administrators wanting to equip in-service educators to integrate assistive technology into special education contexts, such as in-service educators' technology acceptance and the need for effective in-service training. This article explores a model for supporting in-service educators to integrate assistive technology into an existing academic and behavioural one-to-one instruction program for students with LD through a partnership with a nonprofit educational provider and a university's social robotics laboratory. We applied a co-design approach and followed a human-centred design methodology, incorporating a technology acceptance model to support educators in broadly integrating assistive technology into existing research-based programs for students with LD.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,233
Score d'incertitude au seuil0,940

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
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 Opus0,047
Tête enseignante GPT0,482
Écart entre enseignants0,435 · 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