Lasten toimintakyvyn arviointi toimintaterapiassa : opasvideot opiskelijoiden ja ammattilaisten tueksi
Bibliographic record
Abstract
Opinnäytetyön tavoitteena oli tuottaa Mehiläisen lasten toimintaterapeuttien perehdytykseen yhtenäinen ja helposti hyödynnettävä videopaketti viidestä yleisesti käytetystä arviointimenetelmästä. Valikoidut menetelmät olivat Sensory Processing Measure (SPM), Miller Function & Participation Scales (M-FUN), Beery-Buktenica Developmental Test of Visual-Motor Integration, Sixth Edition (Beery-VMI), Bruininks-Oseretsky Test of Motor Proficiency, Second Edition (BOT-2) sekä sensomotoristen perusvalmiuksien kliininen havainnointi. Toimeksiannon taustalla vaikutti tarve sujuvoittaa ja yhdenmukaistaa perehdytystä, koska menetelmäkohtaista tietoa on paljon ja perehdytyksen taso vaihtelevaa. Toimeksiantajana toimi Mehiläisen terapiaklinikka, ja tuotokset liitettiin organisaation sisäiseen Moodle-ympäristöön. Teoreettisena viitekehyksenä hyödynnettiin toimintaterapian arvioinnin keskeisiä malleja, kuten Model of Human Occupation (MOHO) ja Canadian Model of Occupational Performance and Engagement (CMOP-E), sensorisen integraation teoriaa sekä kehityspsykologisia näkemyksiä, joihin kuuluvat Jean Piaget’n kognitiivisen kehityksen teoria ja Lev Vygotskin sosiokulttuurinen teoria. Kehittämistyö toteutettiin konstruktivistisen kehittämismallin mukaisena prosessina, jossa etenemisen vaiheet limittyivät. Videot suunniteltiin ja käsikirjoitettiin menetelmäkohtaisesti. Äänitys ja videoiden editointi toteutettiin Canva Pro alustalla. Havainnollistamista varten tuotettiin sekä skannattuja että tekoälyllä luotuja kuvia. Videoiden sisällöt perustuivat menetelmien virallisiin manuaaleihin ja ammatilliseen kirjallisuuteen. Tuotosten toimivuutta arvioitiin Mehiläisen lasten toimintaterapeuteille suunnatulla sähköisellä palautekyselyllä (n=7), jossa hyödynnettiin 5-portaisia asteikkoja sekä avopalautetta. Tuloksena syntyi viiden arviointimenetelmän tiivis perehdytysvideopaketti (kesto n. 4–20 min/video), joka tukee niin uusien, kuin kokeneidenkin työntekijöiden menetelmäosaamista ja mahdollistaa systemaattisen kertaamisen. Palautekyselyssä videot arvioitiin hyödyllisiksi ja selkeiksi: palautteiden keskiarvot vaihtelivat välillä 4,73–5,00. Palautteissa toivottiin jatkokehityksenä mallinnettuja asiakastilanne-demonstraatioita sekä pisteytyksen ja tulosten tulkinnan tarkempaa avaamista. Päätelmänä perehdytysvideot nopeuttavat perehdytystä, yhdenmukaistavat arviointikäytäntöjä ja parantavat tiedon saavutettavuutta, kuitenkaan korvaamatta virallisia käyttöoppaita. Jatkossa suositellaan videoiden täydentämistä pisteytyksen tulkintaosuuksilla ja esimerkkitilanteilla sekä materiaalin säännöllistä päivittämistä organisaation perehdytyssuunnitelman osana.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.050 | 0.010 |
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".