Ontstaan en ontwikkeling van stotteren: voorstel praktijkmodel
Bibliographic record
Abstract
In dit artikel wordt een nieuw model gepresenteerd dat kan dienen als praktijkmodel voor de spreekkamer. Doel is om de ontwikkeling van stotteren en de bijbehorende processen duidelijk te maken aan personen die stotteren en ouders van kinderen die stotteren. Als aanloop voor dit nieuwe model geeft een voorbeeldcasus een visuele illustratie van de ontwikkeling van stotteren in de vormvan een levenslijn. Deze levenslijn toont hoe ontwikkelingsfactoren samen met min of meer toevallige omstandigheden van invloed kunnen zijn op de ontwikkeling van stotteren. Het praktijkmodel geeft structurering van het ontstaan en de ontwikkeling van stotteren en de factoren die hierbij een rol spelen, gebaseerd op de nieuwste onderzoeksresultaten. Na het ontstaan van beginnend stotteren worden twee sporen getoond: herstel van stotteren en verdere ontwikkeling. Diverse aspecten die van invloed zijn op het verloop van het stotteren worden weergegeven. De uitkomst van die ontwikkeling op het gebied van last van het stotteren en ernst van het stotteren kan verschillend zijn, zowel tussen personen die stotteren als binnen één persoon die stottert. Zowel de levenslijn als het praktijkmodel kunnen helpen om achtergrondinformatiete structureren en inzicht te geven in het fenomeen stotteren en het gesprek te openen over de therapiedoelen en de gewenste uitkomsten van therapie. Dit artikel is een eerste presentatie. De modellen kunnen op basis van ervaringen en ruggespraak met de gebruikers worden bijgesteld en aangepast.
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 | 0.008 | 0.017 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.019 | 0.014 |
| Open science | 0.004 | 0.006 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.043 | 0.013 |
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".