Método de evaluación kinésica en educación especial en niños con encefalopatía crónica no evolutiva
Bibliographic record
Abstract
El presente trabajo de investigacion, se realiza con el proposito de mostrar el metodo de clasificacion de Encefalopatia Cronica No Evolutiva, de acuerdo a su desempeno funcional, la misma se describe en cinco niveles. Este metodo tiene su origen en Canada, requiere de una capacitacion y autorizacion especifica para su utilizacion. En esta tesina se utilizan sus fundamentos teoricos y se realiza una tabla adaptada respetando los lineamientos para estudiar a la muestra mediante la observacion directa. Dicho trabajo de campo se realiza en las escuelas especiales No 501 y No 503, adonde asisten ninos con problematica motriz, ambas con sede en Mar del Plata. La muestra cuenta con un total de 20 ninos con (ECNE), de ambos sexos, entre 6 a 12 anos de edad. En relacion al enfoque pedagogico, se investigan los metodos de evaluacion, programas de aprendizaje y psicomotricidad. Tambien se recaba informacion acerca de la disponibilidad edilicia y del valor de la existencia de un gabinete escolar. En cuanto al area de educacion fisica, se indaga acerca de las evaluaciones y actividades orientadas a la funcionalidad motriz. Se valora el aporte de los padres en relacion al desempeno funcional de la actividades de la vida diaria, desplazamientos funcionales en hogar y en el entorno social. Una vez observados y categorizados a los ninos, segun el nivel de desempeno funcional , se estudian variables como el tipo de diagnostico; afeccion de la discapacidad; tambien otras de indole pedagogico. Los resultados proporcionan grandes diferencias y similitudes entre ambos establecimientos educativos, estas conclusiones no son generalizables por el tipo de diseno metodologico, pero pueden ser utilizadas en otros trabajos con una tematica similar. Cabe destacar que los resultados obtenidos demuestran el valor de la labor del kinesiologo, formando parte de un equipo interdisciplinario.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".