INSTRUMENTOS PARA INDICAÇÃO, AVALIAÇÃO E INSTITUIÇÃO DE TECNOLOGIA ASSISTIVA: REVISÃO SISTEMÁTICA
Bibliographic record
Abstract
A taxa de abandono de tecnologia assistiva é alta, assim torna-se importante o uso de instrumento padronizados para direcionar a indicação, avaliação e implementação. Este estudo teve como objetivo identifcar e discutir os instrumentos disponiveis para a indicação, avaliaçao e implementação de tecnologia assistiva. A pesquisa configurou-se como uma revisão sistemática realizada entre 2003 e 2017, nas bases de dados: ERIC, PUBMED e PROQUEST e utilizados os descritores “assitive device” and “outcome assessment”; “assitive device” and “measurement scale”; “assistive technology” and “outcome assessment”; “assistive technology” and “measurement scale”. A busca resultou em 284 aritgos, em seguida dois pesquisadores realizaram a leitura e análise dos resumos e títulos. Foram excluídas as revisões, artigos de discussões teóricas e ponto de vista e aqueles que não correspondiam a temática, sobraram 80 artigos. As informações foram categorizadas quanto: tipo de instrumento utilizado, disponibilização do instrumento em língua portuguesa. Os resultados indicaram a utilização de 28 instrumentos específicos para avaliar predisposição, satisfação, indicação e avaliação de tecnologia assistiva, porém apenas os instrumentos Quebec user evaluation of satisfaction with assistive technology e Assistive technology device predisposition assessment estão disponiveis na lingua portuguesa. Apesar de existir diferentes instrumentos poucos estão disponíveis na língua portuguesa.
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 | 0.068 | 0.140 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.017 | 0.019 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.011 | 0.011 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
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".