Students with learning disability and anxiety: interventions and teacher’s perspectives
Bibliographic record
Abstract
Les personnes ayant des troubles d'apprentissage (TA) ressentent davantage de symptômes d'anxiété que celles qui n'en ont pas, et leur anxiété peut augmenter avec le temps jusqu'à l'âge adulte (Mammarella et al., 2016 ; Nelson et Harwood, 2011). Les difficultés liées à l'anxiété ont des implications négatives, comme des taux de chômage plus élevés, des pensées suicidaires et une psychopathologie (p. ex., un trouble anxieux diagnostiqué). Étant donné les défis que rencontrent les personnes ayant des TA en matière d'anxiété, il est nécessaire d'adopter des approches préventives et de soutien pour soutenir les personnes ayant des TA (Eloranta et al., 2021 ; Panicker et Chelliah, 2016 ; Wilson et al., 2009). Compte tenu de la boucle négative entre les difficultés scolaires et une plus grande anxiété (Carey et al., 2016 ; Jansen et al., 2013), fournir un soutien en santé mentale à l'école et dans les cours peut fournir un soutien accessible aux élèves ayant des TA. Cependant, on ne sait pas clairement quelles interventions sont efficaces pour aider les élèves ayant des TA qui souffrent d'anxiété. De plus, les enseignants peuvent jouer un rôle crucial dans les interventions scolaires ; il est nécessaire de comprendre les caractéristiques et les croyances des enseignants qui influencent leurs choix et leurs besoins en matière d’interventions pour les élèves ayant des troubles d’apprentissage afin de garantir que les mesures de soutien sont réalisables. Pour explorer le rôle et la croyance des enseignants dans la fourniture d’interventions aux personnes ayant des troubles d’apprentissage et souffrant d’anxiété, la théorie de l’attribution développée par Weiner (1985, 2001) sera utilisée. La théorie de l’attribution offre une perspective pour comprendre la perception sociale, les auto-évaluations et les aperçus des préjugés et des croyances personnelles. La théorie de l’attribution a été utilisée pour explorer la façon dont les enseignants perçoivent et se comportent envers les élèves ayant des troubles d’apprentissage et comment ces facteurs influencent les résultats scolaires (Weiner, 2001 ; Woodcock & Faith, 2021 ; Woodcock et al., 2019). Cette thèse vise à élargir l’utilisation de la théorie de l’attribution en examinant son lien avec les décisions, les évaluations et les stratégies des enseignants pour mettre en oeuvre des interventions visant à aider les élèves ayant des troubles d’apprentissage et souffrant d’anxiété. L’étude 1 a examiné et synthétisé la littérature actuelle sur les interventions pour les élèves ayant des troubles d’apprentissage qui ciblent l’anxiété. L’étude de cadrage décrit les types d’interventions, les résultats, les obstacles et les facilitateurs pour la mise en oeuvre des interventions. L’étude 2 évalue les croyances des enseignants sur la façon dont ils abordent l’anxiété chez les élèves avec et sans TA, ainsi que leur sentiment d’auto-efficacité et leurs perceptions des interventions (sur la base des résultats de l’étude de cadrage). Cette thèse devrait apporter une contribution unique à la littérature en évaluant les interventions actuelles pour traiter l’anxiété chez les élèves avec TA ainsi qu’en identifiant les caractéristiques et les croyances des enseignants à prendre en compte lors de la mise en oeuvre des interventions
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| 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".