Pienten lasten motorisen kehityksen arviointi : ammattilaisen tekemän arvioinnin ja Maiju-älypotkupuvun avulla toteutetun arvioinnin välinen yhteys
Notice bibliographique
Résumé
Varhaisen motorisen kehityksen arviointi on tärkeää, sillä imeväisten motoriset taidot kehittyvät nopeasti ja voivat antaa viitteitä lapsen yleisestä kehityksestä. Perinteiset arviointimenetelmät, kuten fysioterapeutin tekemä havainnointi ja standardoidut testit, ovat laajalti käytössä, mutta ne ovat subjektiivisia ja vaativat asiantuntijan läsnäoloa. Teknologian kehittyessä uusia ja objektiivisempia menetelmiä on kehitetty täydentämään perinteisiä arviointikeinoja. Pro gradu -tutkielman tavoitteena oli arvioida Motor Assessment of Infants with a JUmpsuit (MAIJU) -älypotkupuvun käyttämän Baba Infant Motor Score (BIMS) -mittarin kykyä mitata alle 18 kuukauden ikäisten lasten motorista kehitystä verrattuna fysioterapeutin tekemään AIMS (Alberta Infant Motor Scale) -testiin. Tarkoituksena oli arvioida kahden erillisen mittausmenetelmän yhteensopivuutta ja tunnistaa mahdollisia systemaattisia eroja, jotka voisivat vaikuttaa menetelmien käytettävyyteen imeväisikäisten lasten motoristen taitojen arvioinnissa. Tutkimusaiheen valinta perustui tarpeeseen kehittää objektiivisempia ja saavutettavampia menetelmiä imeväisten motoristen taitojen arviointiin. Tutkielma toteutettiin osana PILKE (Pikku Imeväisten Liikkeen ja Kognition kehitys) -tutkimusta. Aineisto kerättiin 36:lta alle 18 kuukauden ikäiseltä lapselta. Tutkielmassa sovellettiin kvantitatiivisia menetelmiä, sillä tavoitteena oli objektiivisesti verrata kahden eri arviointimenetelmän yhtenevyyttä. Tutkielmassa verrattiin korrelaatiota AIMS-testin kokonaispistemäärän ja MAIJU-mittausten perusteella tehdyn motorisen kypsyyden kokonaisarvioinnin (BIMS) välillä. AIMS-testi on fysioterapeutin tekemä havainnointiin perustuva arvio, kun taas MAIJU-älypotkupuku mittaa imeväisten liikkumista BIMS-mittarilla potkupuvussa olevilla sensoreilla ja algoritmeilla. Yhteyttä analysoitiin Spearmanin korrelaatiokertoimella ja Bland-Altman-menetelmällä. Tulokset osoittivat vahvan korrelaation MAIJU-älypotkupuvun käyttämän BIMS-mittarin ja AIMS-testin välillä (r=0,970, p<0,001) mikä viittaa siihen, että BIMS-mittari tunnistaa motorisen kehityksen tasoja luotettavasti. Bland-Altman-analyysi osoitti kuitenkin systemaattisia eroja korkeilla motorisen kehityksen tasoilla. MAIJU-älypotkupuvun käyttämä BIMS-mittari antoi matalampia tuloksia kuin AIMS-testi, erityisesti korkeamman motorisen kehityksen tasoilla. Tämä viittaa siihen, ettei testien välinen ero pysynyt vakiona koko arviointiskaalan yli. Johtopäätöksenä voidaan todeta, että MAIJU-älypotkupuku ja sen käyttämä BIMS-mittari on lupaava menetelmä imeväisikäisillä lapsilla motorisen kehityksen arviointiin, mutta sen tuloksia tulisi tulkita varauksella erityisesti motorisen kehityksen arvioinnissa lapsilla, joiden motorinen kehitys on edennyt pidemmälle. MAIJU-älypotkupuvulla on potentiaalia toimia kvantitatiivisena ja objektiivisena menetelmänä, mutta lisätutkimuksia tarvitaan sen validoinnin vahvistamiseksi imeväisten eri kehitysvaiheissa.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».