MétaCan
Menu
Retour à la cohorte
Enregistrement W7057380273

Intervención de terapia ocupacional para mejorar la participación y el desempeño en actividades deportivas para niños

2022· dissertation· es· W7057380273 sur OpenAlexaboutno aff

Notice bibliographique

RevueZaguan (University of Zaragoza Repository) · 2022
Typedissertation
Languees
DomaineMaterials Science
ThématiqueThermal properties of materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoison controlPhysical activityMotor impairment
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introducción: El Balonmano es un deporte que requiere de una serie de habilidades para conseguir un adecuado desempeño como agilidad, fuerza y velocidad entre otras. La participación en deportes en una ocupación común de muchos niños y jóvenes por lo que los terapeutas ocupacionales podrían ayudar a mejorar el desempeño de estas habilidades para mejorar en la práctica deportiva. Material y Métodos: Las 3 participantes de este trabajo han sido seleccionadas previamente de entre todos los miembros del equipo del que formaban parte. Para evaluar el desempeño motor de las 3 niñas, se ha utilizado el Bruininks-Oseretsky Test of Motor Proficiency-2 (BOT-2) y las participantes seleccionaron 3 objetivos a través de la Canadian Occupational Performance Measure (COPM). Se han realizado 12 sesiones centradas tanto en sus objetivos como en la mejora de aquellas habilidades deficitarias. Además, se han seguido trabajando durante los entrenamientos. Resultados: Después de realizar las sesiones se detectaron las áreas donde las participantes presentaban mayores dificultades y que se han visto reflejadas en la práctica deportiva del Balonmano. En general las tres han mejorado en el desempeño de las habilidades motoras y de sus objetivos y las familias han expresado su satisfacción tras la intervención con las niñas. Conclusión: Los TO pueden desempeñar un papel fundamental para mejorar la participación en actividades deportivas utilizando un enfoque centrado en el cliente y realizado en el contexto.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,279
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZaguan (University of Zaragoza Repository)Même sujetThermal properties of materialsTravaux en français237 207