Standard prompting and reinforcement versus a multiple-component strategy for teaching visual-visual non-identity matching
Notice bibliographique
Résumé
The Assessment of Basic Learning Abilities (ABLA) test can help staff choose training tasks for persons with developmental disabilities (Martin & Yu, 2000). This test assesses the ease or difficulty with which most clients are able to learn six mini-tasks. Most clients who pass level 5 also pass level 6, making level 5 less useful in understanding clients' abilities. A visual-visual non-identity matching (VVNM) task may fall between levels 4 and 6. This study examined whether a VVNM task has one of the qualities of a good milestone task. One quality of ABLA tasks is that a failed ABLA level is difficult to teach using standard prompting and reinforcement procedures. Study 1 examined whether four VVNM tasks could be taught using standard prompting and reinforcement techniques. The participants were two severely and one profoundly developmentally disabled individuals. An attempt was made to teach each participant each of four VVNM tasks, using standard prompting and reinforcement techniques. Two participants learned three tasks, while the third learned two of the four tasks, using this technique. Previous research has also found that, while it is difficult to teach a failed ABLA level using standard prompting and reinforcement techniques, it is possible to do so when using a multiple component technique. Therefore, in Study 2, the multiple component technique was used to teach the participants the tasks that they had failed to learn in Study 1. Participants were the three participants from Study 1, plus a fourth severely developmentally disabled individual. Of the six tasks presented with the multiple component technique, only one was learned. The findings from these two studies suggest that the VVNM task ay not be a good milestone task to replace level 5 of the ABLA test.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».