TEACHING PRACTICES WITH STUDENTS WITH COMPLEX COMMUNICATION NEEDS DURING THE PANDEMIC: REPORTS FROM BRAZILIAN TEACHERS
Notice bibliographique
Résumé
The global impact of the ongoing pandemic has been unprecedented, including in the field of education. Emergency adaptations to teaching and learning methods have become a reality for students and teachers alike, highlighting the significant structural challenges that already existed within the Brazilian education system, particularly for students facing socioeconomic and communication-related difficulties. This study presents and discusses reports from Brazilian teachers in the state of Rio Grande do Norte regarding their pedagogical practices with students with complex communication needs in the early years of primary school, in the context of the pandemic. A semi-structured individual interview was conducted with 14 male and female teachers who supported children with complex communication needs between the ages of six and ten in the early years of primary school in the state of Rio Grande do Norte, to inform the methodological operationalization. The main results indicated that, following the announcement of the pandemic, teaching took place in different ways in the surveyed contexts. The participants listed several difficulties, such as limited contact between students and teachers, inadequate monitoring of students' progress and a lack of suitable technological resources for teaching. WhatsApp and smartphones were also the most frequently used means of communication during remote classes, facilitating communication and learning during the pandemic. The participants considered the use of augmentative and alternative communication systems important for communicating with children during the pandemic, but felt it could have been more effective if technological and material resources had been available during remote classes. Finally, the recommendations focus on providing teachers with training in Augmentative and Alternative Communication Systems, as well as expanding studies on the subject. Article visualizations:
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».