Aplicación móvil en realidad aumentada para la formación y comunicación de niños con Síndrome de Down
Bibliographic record
Abstract
El objetivo de la presente investigación fue aplicar un sistema móvil en Realidad Aumentada para apoyar en la formación y comunicación de niños con síndrome de Down. Para ello, se desarrolló con la asistencia de profesionales especialistas en el área una herramienta de apoyo de aprendizaje, mediante una aplicación en Realidad Aumentada con entornos 3D basados en pictogramas. La aplicación se alineó en parámetros establecidos en el estándar ISO/IEC 9126; entre ellos: funcionalidad, fiabilidad, usabilidad, eficiencia, mantenibilidad y portabilidad. La investigación es descriptiva, de campo y bibliográfica. La población y muestra fueron intencionales, constituida por 33 niños con síndrome de Down. Para la obtención de los datos se utilizó la técnica de la encuesta, utilizando la escala de Likert a fin en cuantificar el grado de conformidad de los padres de familia sobre la interactividad de sus niños con la aplicación de Realidad Aumentada. Los datos obtenidos fueron tabulados, analizados e interpretaron y permitieron conocer que el uso de la Realidad Aumentada atrae notablemente su atención y reflejan cambios positivos en la interacción de los niños con Síndrome de Down. Es decir que las herramientas tecnológicas contribuyen en el apoyo en su comunicación y formación.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".