Perspectives of Indian Speech-Language Pathologists on Implementing Augmentative and Alternative Communication Systems for Individuals with Nonverbal Autism Spectrum Disorder
Notice bibliographique
Résumé
The implementation of Augmentative and Alternative Communication (AAC) systems for individuals with nonverbal Autism Spectrum Disorder (nvASD) remains highly debated, especially in a multilingual and multicultural country like India. Existing AAC guidelines are largely Western-based and may not be fully applicable in the Indian context. This study explored the perspectives of Indian Speech-Language Pathologists (SLPs) on AAC implementation in individuals with nvASD. A cross-sectional study was conducted in two phases. Phase 1 involved developing and validating a questionnaire assessing SLP's practices and attitudes towards AAC. In phase 2, the validated questionnaire was administered online to 93 Indian SLPs (29.23 years of mean age, 71% female) represented diverse clinical, educational, and academic settings. The survey explored key parameters, including AAC candidacy, cultural and linguistic adaptation, AAC selection and customization, interdisciplinary collaboration and caregiver involvement, outcome based evaluation practices, speech-AAC integration, and barriers to AAC implementation. Most SLPs emphasized working on communication prerequisites before introducing AAC. Vocabulary selection was prioritized over partner training. AAC was primarily used for both intervention and communication, employing goal-oriented approaches alongside other speech and language strategies. Challenges included lack of resources, inadequate training, and limited interdisciplinary collaboration. Parental involvement and caregiver feedback were identified as critical to success. SLPs in India broadly recognize AAC as a valuable tool for individuals with nvASD but report facing multiple systemic and practical challenges to its implementation. The findings underscore the need for culturally and contextually relevant AAC guidelines, targeted clinician training, and supportive policy measures to improve access and long-term communication outcomes in Indian settings.
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 | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».