Autistic Experiences of Applied Behavior Analysis (ABA): Toward Improved Autistic‐Centered Supports
Notice bibliographique
Résumé
ABSTRACT This study (extracted from a larger doctoral‐level dissertation project) adopts a Critical Autism Studies (CAS) framework, and transformative mixed methods design, to examine lived experiences of Applied Behavior analysis (ABA) and to guide improvements in autism services. Autistic people have shared their lived experiences of the ways ABA has caused them harm due to the rigidly applied positive reinforcement and punishment procedures used to make them appear less autistic. Increasingly, ABA practitioners and researchers have responded by attempting to transform their practices to be more accepting of autistic ways of being. The four‐staged methodology (surveys—interviews—analysis—participatory dissemination) responds to Milton's (2014) call for “interactional expertise” between non‐autistic researchers and autistic people. The survey stage yielded 68 completed surveys from autistic people in Canada—22 respondents had received ABA and 46 had not but wished to express their views. Four participants who had received ABA—two with positive experiences and two with negative experiences—participated in semi‐structured interviews and authorship of recommendations. Findings revealed diverse perspectives on ABA practices. Implications for policy and practice highlight the importance of authentically engaging with autistic communities to develop supports that are helpful and not harmful.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».