Nhancing cognitive and psychosocial well-being among visually impaired university students: the impact of content-focused accessible e-learning material
Notice bibliographique
Résumé
This mixed-methods study explores the educational and therapeutic benefits of Content-Focused Accessible E-Learning Material (CFAELM) for visually impaired university students. A total of 49 participants with documented visual impairments were recruited from various academic disciplines across STEM, Humanities, and Social Sciences. Utilizing a combination of pre- and postintervention surveys, cognitive assessments (Montreal Cognitive Assessment - MoCA), psychosocial measures (Psychological Well-being Scale and Social Support Questionnaire), and usage logs, this research provides a holistic view of the impact of CFAELM on this demographic. The findings reveal significant improvements in cognitive functioning post-intervention, with mean MoCA scores increasing from 24.3 (±2.1) to 26.8 (±2.5). Psychosocial well-being also showed notable enhancement; Psychological Well-being Scale scores rose from 65.7 (±8.9) to 72.4 (±7.6), and Social Support Questionnaire scores increased from 28.6 (±4.2) to 31.2 (±3.8). Usage data indicated high engagement levels, with participants accessing CFAELM for an average of 5.2 days per week and spending approximately 3.5 hours per day on the material. Feedback from participants overwhelmingly recognized CFAELM as highly accessible (77.6%) and effective (83.7%) in facilitating their learning experiences. These results underscore the crucial role of tailored e-learning materials in enhancing both the cognitive functions and psychosocial well-being of visually impaired university students. By highlighting significant improvements in academic and psychosocial domains, this study contributes to the discourse on inclusive education, advocating for the integration of accessible e-learning resources in higher education curriculums to better support students with visual impairments. The study's mixed-methods approach further enriches our understanding, offering both quantitative evidence of CFAELM's benefits and qualitative insights into participants' experiences, thus providing a comprehensive overview of its efficacy in meeting the unique educational needs of visually impaired learners.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».