Name: Messung der Funktionsfähigkeit von Kindern im Alter von 3-6 Jahren mit Beobachtungsmethoden und Computerwerkzeugen (Video) | JoVE Journal
Uploaded: 2020-06-20T12:30:00.000+00:00
Duration: 11 min 29 s
Description: Erfahren Sie, wie Software zur Erfassung und Analyse funktionaler Fähigkeiten bei Kindern im Alter von 3-6 Jahren eingesetzt wird. Diese computergestützte Methode unterstützt die Bewertung von Entwicklungsfortschritten.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Wir danken dem Vizerektorat für Forschung und Wissenstransfer der Universität Burgos dafür, dass es die Entwicklung der Software durch die "VI Edicién Convocatoria Prueba Concepto: Impulso a la valorizacién y comercializacién de resultados de investigacién" ermöglicht hat. Wir danken auch dem Bereich Bildungsprogramme der Provinzialdirektion Bildung und dem Sonderpädagogischen Zentrum "Fray Pedro Ponce de Leén", sowohl in Burgos (Spanien), als auch den Familien der Kinder, die sich bereit erklärthaben, mit vorheriger Zustimmung an dieser Pilotstudie teilzunehmen, ohne deren Zusammenarbeit die Software (eEarlyCare) nicht möglich gewesen wäre. Das Video wurde von Alberto Calvo Rodriguez TVUBU Techniker und die Voice-over wurde von Caroline Martin, von der Abteilung für Englische Philologie der Universität Burgos gemacht.

Dieses Protokoll wurde in Übereinstimmung mit den Verfahrensvorschriften des Bioethischen Ausschusses der Universität Burgos (Spanien) durchgeführt. Vor ihrer Teilnahme hatten sowohl die Schüler als auch ihre Eltern und in einigen Fällen die Rechtslehrer ihre eingebrachte Einwilligung in Kenntnis der Sachlage erteilt und waren umfassend auf die Studienziele aufmerksam gemacht worden. Für ihre Teilnahme wurde kein finanzieller Ausgleich angeboten.
1. Teilnehmerrekrutierung
<ol><li>Rekrutieren Sie Kinder zwischen 0-6 Jahren mit einer Geschichte von besonderen pädagogischen Bedürfnissen im Zusammenhang mit Veränderungen in den Bereichen motorische Entwicklung, kognitive, persönliche Autonomie und Sozialisation und mit mittelschweren bis schweren geistigen Behinderungen. Für die vorliegende Studie wurden insgesamt 11 Teilnehmer (7 Jungen und 4 Mädchen) rekrutiert.</li>
	<li>Berücksichtigen Sie Kinder, bei denen eine geistige Behinderung (mäßig oder schwer) gemäß dem Diagnostic and Statistical Manual of Mental Disorders (DSM-5)16 diagnostiziert wurde, und besuchen Sie ein Sonderpädagogisches Zentrum für ihre Schulbildung(Tabelle 2). HINWEIS: In jedem Fall (abhängig von der Erkennung des Problems und dem Ort, an dem die Intervention durchgeführt wird), sollte die Diagnose von einem pädiatrischen Neurologen in einem Krankenhaus oder einem Psychologen innerhalb eines multidisziplinären Teams gemäß DSM-5 bestätigt worden sein. Im Idealfall sollten nicht weniger als 15 Teilnehmer teilnehmen, da die Einfügung der Beobachtungsergebnisse mühsam ist.</li>
</ol><table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td rowspan="3">Sex</td>
			<td rowspan="3">N</td>
			<td rowspan="3">MAlter</td>
			<td rowspan="3">SD-Alter</td>
			<td rowspan="3">Rangalter (Monate)</td>
			<td colspan="2">Behinderung•</td>
			<td colspan="2" rowspan="2">Schule</td>
		</tr>
<tr>
<td colspan="2">Grad</td>
		</tr>
<tr>
<td>Eine</td>
			<td>B</td>
			<td>C</td>
			<td>D</td>
		</tr>
<tr>
<td>Jungen</td>
			<td>7</td>
			<td>95.2</td>
			<td>11.77</td>
			<td>86-114</td>
			<td>4</td>
			<td>3</td>
			<td>2</td>
			<td>5</td>
		</tr>
<tr>
<td>Mädchen</td>
			<td>4</td>
			<td>83.5</td>
			<td>23.56</td>
			<td>45-112</td>
			<td>1</td>
			<td>3</td>
			<td>2</td>
			<td>2</td>
		</tr>
<tr>
<td colspan="9">ANMERKUNG:* Grad der Behinderung: a = mäßige geistige Behinderung; b = schwere geistige Behinderung; Schulart: c = Kombinierte Schulbildung; d = Schulbildung in einem speziellen Sonderpädagogischen Zentrum; M = Mittleres Alter in Monaten; SD = Standardabweichung. * Die Kinder wurden nach den Kriterien von DSM516 diagnostiziert
</td>
		</tr>
</tbody></table>Tabelle 2: Merkmale der Stichprobe.
<ol start="3"><li>Ausschließen von Kindern mit normaler Entwicklung in Funktionsbereichen (Motorik, kognitive, persönliche Autonomie und Sozialisationsentwicklung) und Kindern mit einer intellektuellen Funktionsbeschränkung.</li>
</ol>2. Datenerhebung
<ol><li>Sammeln Sie Daten über die Entwicklung der Kinder in verschiedenen Funktionsbereichen (Lebensmittelautonomie, Körperpflege und Hygiene, Anziehen und Entkleiden unabhängig, Schließmuskelkontrolle, Funktionelle Mobilität, Kommunikation und Sprache, tägliche Lebensroutinen, Adaptives Verhalten und Aufmerksamkeit).</li>
	<li>Führen Sie die Beobachtung mit der Skala zur Messung der funktionellen Fähigkeiten (SFA)5 bei Kindern zwischen 0-6 Jahren (SFA)(Materialtabelle) durch und führen Sie die Beobachtung in einem natürlichen Kontext (z. B. Schuleinstellungen) durch.</li>
	<li>Zeichnen Sie Beobachtungen während der Woche in verschiedenen natürlichen Umgebungen auf, die das tägliche Leben der Schüler im Zentrum widerspiegeln (Tabelle 1) (z. B. während des Spielens usw.).<ol>
<li>Lassen Sie den Lehrer oder den Therapeuten, der direkt die Kinder in den Bildungseinrichtungen besucht, die Beobachtungen aufzeichnen. Sammeln Sie die Beobachtungen für jeden Funktionsbereich. HINWEIS: Vor der Datenbeobachtung sollten drei Schulungen für Lehrer oder Therapeuten durchgeführt werden. Diese Sitzungen müssen von einem Psychologen oder einem Berufsfachmann mit Erfahrung in der frühkindlichen Bewertung durchgeführt werden.</li>
	</ol>
</li>
	<li>Geben Sie die Ergebnisse in die Software für die Bewertung der funktionellen Fähigkeiten in der frühen Kindheit zwischen 0-6 Jahren. Die Details zur Verwendung der Software finden Sie in Schritt 3.</li>
</ol>3. Experimentelles Verfahren
<ol><li>Zuweisen eines Schülers zu einem Lehrer in der Software HINWEIS: Dieser Schritt muss vom Direktor oder Koordinator des Zentrums durchgeführt werden, in dem die Intervention stattfindet.<ol>
<li>Melden Sie sich mit einem Benutzernamen (professionell) und Passwort beim Softwarepaket an und wählen Sie die Sprache: Englisch oder Spanisch.</li>
		<li>Geben Sie die Daten der Kursteilnehmer aus den Datensätzen des Direktors des Zentrums ein.</li>
		<li>Füllen Sie die folgenden Felder für jeden Schüler aus: Name, Nachname, Code, Geschlecht, Geburtsdatum, Entwicklungsalter, Primärdiagnose, Sekundärdiagnose, sofern zutreffend, und Beobachtungen, die für Medikationsdaten, Allergien und andere Informationen relevant sind, die für die Verwaltung des Zentrums von Interesse sind.</li>
		<li>Geben Sie die Informationen des Lehrers oder Therapeuten aus den Aufzeichnungen ein, die im Zentrum aufbewahrt werden.</li>
		<li>Weisen Sie die Schüler einer Gruppe mit einem Lehrer (oder Therapeuten) zu, indem Sie auf Klassenzimmerklicken. Wechseln Sie zur Spalte Schüler, wählen Sie den Schüler aus, der dem Klassenzimmer zugewiesen werden soll, und klicken Sie auf Lehrer, und wählen Sie einen aus.</li>
		<li>Weisen Sie jede Gruppe von Schülern und ihren Lehrer (oder Therapeuten) einem Klassenzimmer zu, indem Sie auf Lehrer,Eingabedaten, Vorname, Nachname, Identifikationscode, Post, Passwörter und Beobachtungen klicken. Klicken Sie auf Akzeptieren. HINWEIS: Der Direktor oder Koordinator des Zentrums weist jedem Lehrer oder Therapeuten eine Rolle zu, um die Bewertungen jedes Schülers oder Patienten durchzuführen (wie oben erläutert, hängt es von der Art des Zentrums ab). Der Direktor oder Koordinator des Zentrums kann auch die Bewertungen konsultieren, die der Lehrer oder Therapeut gemacht hat.</li>
	</ol></li>
	<li>Nutzung der Software durch den Lehrer HINWEIS: Der Lehrer oder Therapeut, der die Bewertung durchführt, kann dann ein akademisches Jahr und/oder einen Begriff auswählen. Die Skala bietet die Möglichkeit, verschiedene Funktionsbereiche für jeden Begriff auszuwählen (Tabelle der Materialien).<ol>
<li>Melden Sie sich bei der Software mit dem Benutzernamen (professionell) und dem zuvor vom Leiter des Zentrums zugewiesenen Passwort an.</li>
		<li>Geben Sie die Ergebnisse der Bewertungen ein, die in natürlichen Umgebungen für jeden Teilnehmer, der dem Schulungsraum zugewiesen ist, abgeschlossen wurden.</li>
		<li>Wählen Sie einen Studenten in der Software, indem Sie auf ihren Namen klicken, und beginnen Sie mit der Bewertung der verschiedenen Funktionsbereiche (in Schritt 2.3.1). HINWEIS: Die Lehrer oder Therapeuten können die Bewertung jedes Schülers jederzeit beenden und zu einem anderen Zeitpunkt fortfahren, nachdem sie die registrierten Daten gespeichert haben.</li>
		<li>Führen Sie die vergleichende Analyse zwischen der Entwicklung jedes Benutzers und der erwarteten Entwicklung in diesem chronologischen Alter durch.<ol>
<li>Nachdem die Daten registriert wurden, wählen Sie die Spalte Auswertung durch Rechtsklick aus. Wählen Sie dann das Jahr und das Trimester aus.</li>
			<li>Wählen Sie die Spalte Schüler aus, und wählen Sie die Schüler einer Klasse aus, von der die Auswertung durchgeführt werden soll. Wählen Sie die Spalte Bereiche aus, die auf den zu bewertenden Bereich oder Unterbereich klicken.</li>
			<li>Klicken Sie auf die Registerkarte Maximum. Es erhält die Informationen über die Studenten und den Vergleich mit der Entwicklung für ihr Alter erwartet. HINWEIS: Dies bietet einem Benutzer (Student oder Patient) oder Entwicklungsprofil für einen bestimmten Funktionsbereich einen vergleichenden Link zu den höchsten erwarteten Werten für das chronologische Alter des Benutzers (Schüler oder Patient).</li>
		</ol>
</li>
		<li>Vergleichen Sie die verschiedenen Funktionsbereiche jedes Benutzers aus dem Klassenzimmer. Mit der Software kann eine Analyse der Funktionsbereiche jedes Benutzers durchgeführt werden. Folgender Schritt: Sobald die Daten registriert sind, wählen Sie die Spalte Auswertung durch Rechtsklick aus. Wählen Sie dann das Jahr und das Trimester aus. Wählen Sie die Spalte Schüler aus, und wählen Sie die Schüler aller Klassen aus. Wählen Sie die Spalte Bereiche aus, und klicken Sie auf den zu bewertenden Bereich oder Unterbereich.<ol>
<li>Klicken Sie auf die Registerkarte Maximum. Es erhält die Entwicklung der Studenten und den Vergleich mit der Entwicklung für ihr Alter erwartet.</li>
		</ol>
</li>
	</ol></li>
	<li>Exportieren von Daten aus der Software
	<ol>
<li>Wählen Sie die Benutzerdaten und Funktionsbereiche aus, und exportieren Sie die Datenbank. Wählen Sie die Spalte Excel aus, um die Datenbank abzurufen. Exportieren Sie die Datenbank im Statistikprogramm oder in der Bibliothek Ihrer Wahl.</li>
		<li>Importieren Sie die Daten in statistische Pakete und Bibliotheken wie SPSS, Weka, Pythons Scikit-lernen usw. und führen Sie Clustering-Analysen durch. Hier wird die Analyse mit SPSS wie folgt detailliert beschrieben. ANMERKUNG: Clustering oder Clusteranalyse ist eine "unbeaufsichtigte" maschinelle Lerntechnik, und innerhalb von k-means handelt es sich um eine Gruppierungsmethode, die darauf abzielt, einen Satz von n Beobachtungen in k-Gruppen zu unterteilen, in denen jede Beobachtung zur Gruppe mit dem nächsten Mittelwert gehört. In diesem Experiment wurde k-meansClustering verwendet, um die Cluster von Kindern und deren funktionelle Entwicklung mit SFA zu überprüfen.<ol>
<li>Wählen Sie die Option Analysieren und Klassifizieren gefolgt von der Option k-means cluster im statistischen Paket.</li>
			<li>Wählen Sie Kreuztabellen unter Beschreibende Statistikenund die folgenden beiden Variablen aus: die Clustervariable "zu einer Gruppe gehörend" und die Gradvariable ('mäßig' oder 'schwer'). HINWEIS: Diese Korrespondenz ist wichtig, da sie dem Lehrer oder Therapeuten Informationen über die homogene funktionelle Entwicklung der Benutzer bietet, die über die Diagnose hinausgeht, und Informationen bereitstellt, um ähnliche Interventionsprogramme in einigen Bereichen der funktionellen Entwicklung vorzuschlagen. Diese Option soll die volle Nutzung des pädagogischen oder therapeutischen Dienstes und seiner persönlichen und materiellen Ressourcen erleichtern.</li>
			<li>Wählen Sie die Option Beschreibende Statistik und Kreuztabellen und die Option Cohen Kappa Koeffizient aus. HINWEIS: Der Cohen Kappa-Koeffizient ist eine Statistik, die die Vereinbarung zwischen den Ratten für qualitative (kategorische) Positionen misst. Es wird allgemein angenommen, dass es sich um eine robustere Maßnahme als einfache prozentuale Vereinbarungsberechnungen handelt, da k die Möglichkeit der zufälligen Vereinbarung berücksichtigt. Dieser Koeffizient liefert einen Indikator für die Zuverlässigkeit der Beziehung zwischen der diagnostischen Klassifizierung bei mittelschweren bis schweren geistigen Behinderungen und der Clusterbildung der mit der Software erzielten Entwicklungsergebnisse.</li>
		</ol>
</li>
		<li>Verwenden Sie die Tabelle, um das Spinnendiagramm und spezifische Balkendiagramme für Kindergruppen mit mittelschweren und schweren geistigen Behinderungen zu generieren.</li>
	</ol></li>
</ol>

<ol><li>Sáiz, M. C. Intervención cognitiva en niños pequeños [Cognitive intervention in early children]. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aS%C3%A1iz%2C+MC+%22Intervenci%C3%B3n+Temprana%3A+Desarrollo+%C3%B3ptimo+de+0+a+6+a%C3%B1os+%5BEarly+Intervention%3A+Optimal+development+from+0-to-6+years+old%5D%22">Intervención Temprana: Desarrollo óptimo de 0 a 6 años [Early Intervention: Optimal development from 0-to-6 years old]</a>. Gómez, A., Viguer, P., Cantero, M. J. , Síntesis. Madrid, Spain. 117-133 (2003).</li>
<li>Bluma, M. S., Shearer, M. S., Frohman, A. H., Hilliard, J. M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBluma%2C+MS+%22Portage+Guide+to+Early+Education+%282nd+Edition%29%22">Portage Guide to Early Education (2nd Edition)</a>. , Cooperative Educational Service Agency. Wisconsin, United States. (1978).</li>
<li>Josse, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Escala+de+desarrollo+psicomotor+de+la+primera+infancia+Brunet-L%C3%A9zine+Revisado+%5BScale+of+psychomotor+development+of+early+childhood+%28Brunet-L%C3%A9zine-Revised%29%5D%5BTitle%5D)+AND+%22Psymt%C3%A9c%22%5BJournal%5D)">Escala de desarrollo psicomotor de la primera infancia Brunet-Lézine Revisado [Scale of psychomotor development of early childhood (Brunet-Lézine-Revised)].</a> Psymtéc. , Madrid, Spain. (1997).</li>
<li>Newborg, J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aNewborg%2C+J+%22Battelle+Developmental+Inventory%2C+2nd+Edition%3A+Examiner%27s+manual%22">Battelle Developmental Inventory, 2nd Edition: Examiner's manual</a>. , Itasca, IL: Riverside, USA. (2005).</li>
<li>Whitebread, D., Basilio, M. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Emergencia+y+desarrollo+temprano+de+la+autorregulaci%C3%B3n+en+ni%C3%B1os+preescolares+%5BThe+emergence+and+early+development+of+self-regulation+in+preschool+children%5D%5BTitle%5D)+AND+%22Profesorado.+Revista+de+Curr%C3%ADculum+y+Formaci%C3%B3n+del+Profesorado%22%5BJournal%5D)">Emergencia y desarrollo temprano de la autorregulación en niños preescolares [The emergence and early development of self-regulation in preschool children].</a> Profesorado. Revista de Currículum y Formación del Profesorado. 16 (1), 1-20 (2012).</li>
<li>Pérez, Y., Sáiz, M. C. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aP%C3%A9rez%2C+Y+%22Escala+para+la+medici%C3%B3n+de+habilidades+funcionales+en+edades+0-6+a%C3%B1os+%28EHFI%29+%5BScale+for+the+measurement+of+functional+abilities+in+0-to-6-year+olds+%28SFA%29%5D.+Registration+number+00%2F2019%2F4253%22">Escala para la medición de habilidades funcionales en edades 0-6 años (EHFI) [Scale for the measurement of functional abilities in 0-to-6-year olds (SFA)]. Registration number 00/2019/4253</a>. , (2018).</li>
<li>Haley, S. M., Coster, W. J., Ludlow, L. H., Haltiwanger, J. T., Andrellos, P. J. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHaley%2C+SM+%22The+Pediatric+Evaluation+of+Disability+Inventory+%28PEDI%29+%282nd+ed.%29%22">The Pediatric Evaluation of Disability Inventory (PEDI) (2nd ed.)</a>. , Pearson Clinical Assessment. Washington, United States. (2012).</li>
<li>Bronson, M. B. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBronson%2C+MB+%22Self-regulation+In+Early+Childhood%22">Self-regulation In Early Childhood</a>. , The Guilford Press. NY, United States. (2000).</li>
<li>Sáiz, M. C., Carbonero, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Metacognitive+Precursors%3A+An+Analysis+in+Children+with+Different+Disabilities%5BTitle%5D)+AND+%22Brain+Science%22%5BJournal%5D)">Metacognitive Precursors: An Analysis in Children with Different Disabilities.</a> Brain Science. 7 (10), 1-14 (2017).</li>
<li>Sáiz, M. C., Marticorena, R., Arnaiz-González,, Díez-Pastor, J. F. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aS%C3%A1iz%2C+MC+%22eEarlyCare+Computer+application%22">eEarlyCare Computer application</a>. , Burgos, Spain. Registration number 00/2019/3855 (2019).</li>
<li>Chowdhury, K. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aChowdhury%2C+K+%22Windows+Presentation+Foundation+Development+Cookbook.+%281st+Edition%29%22">Windows Presentation Foundation Development Cookbook. (1st Edition)</a>. , Packt Publishing. Birmingham. (2018).</li>
<li>Nogal, F., Marticorena, R. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22UBUGrades+2.0.+Doctoral+Degree%22">UBUGrades 2.0. Doctoral Degree dissertation</a>. , Universidad de Burgos. Burgos, Spain. (2018).</li>
<li>Sáiz, M. C., Marticorena, R., Arnaiz-Gonzalez, Á, Díez-Pastor, J. F., Rodríguez-Arribas, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer+application+for+the+registration+and+automation+of+the+correction+of+a+functional+abilities+detection+scale+in+early+care%5BTitle%5D)+AND+%22Proceeding+of+INTED2019%3A+13th+annual+International+Technology%2C+Education+and+Development+Conference%22%5BJournal%5D)">Computer application for the registration and automation of the correction of a functional abilities detection scale in early care.</a> Proceeding of INTED2019: 13th annual International Technology, Education and Development Conference. , IATED Academy. Valencia, Spain. 5322-5328 (2019).</li>
<li>Hartson, R., Pyla, P. S. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHartson%2C+R+%22The+UX+book%3A+Process+and+guidelines+for+ensuring+a+quality+user+experience%22">The UX book: Process and guidelines for ensuring a quality user experience</a>. , Morgan Kaufmann. Amsterdam, Dutch. (2012).</li>
<li>Bernal, R., Ramírez, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improving+the+quality+of+early+childhood+care+at+scale%3A+The+effects+of+%22From+Zero+to+Forever%22%5BTitle%5D)+AND+%22World+Development%22%5BJournal%5D)">Improving the quality of early childhood care at scale: The effects of "From Zero to Forever".</a> World Development. 118, 91-105 (2019).</li>
<li>American Psychiatric Association. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Diagnostic+and+Statistical+Manual+of+Mental+Disorders+%28DSM-5%29.+%285th+Edition%29%22">Diagnostic and Statistical Manual of Mental Disorders (DSM-5). (5th Edition)</a>. , American Psychiatric Association. Arlington, VA, United States. (2013).</li>
</ol>

Die Autoren erklären, dass sie keine konkurrierenden finanziellen Interessen haben.

Bei der Verwendung der Software wird empfohlen, dass der Lehrer oder Therapeut die Entwicklung der funktionellen Fähigkeiten jedes Kindes über mindestens zwei Sitzungen aufzeichnet. Die Skala enthält 114 Elemente, 11 Funktionsbereiche, die in 33 funktionale Teilbereiche unterteilt sind, und die Bewertung sollte das Ergebnis der Beobachtung in natürlichen Kontexten sein. Darüber hinaus ermöglicht die Software Es Frühmedizinern, Auswertungsdaten mit Leichtigkeit aufzuzeichnen und die in Einzel- und Gruppendiagrammen angeze...

Beobachtung im frühen Alter: Was und wie man beobachtet
Die frühkindliche Beurteilung in normalen familiären Zusammenhängen und in der Schule wird mit der Beobachtungsmethode durchgeführt. Daher muss sich der Bewerter an einen präzisen Beobachtungsprozess halten, den Schlüssel zu einer genauen Diagnose und damit zu einer erfolgreichen Ausbildung1. Es gibt viele Entwicklungsinventare, die Richtlinien für die Bewertung liefern: Der Portage Guide2, die Brunet Lézine Scale3und das Battelle Developmental Inventory4, unter anderem. Diese Instrumente basieren auf international vereinbarten Standards, die von der wissenschaftlichen Gemeinschaft auf dem Gebiet der menschlichen Evolutionsentwicklung festgelegt wurden. Obwohl diese Tools Entwicklungsbereiche analysieren (Psychomotorik, Kognitiv, Kommunikation und Sprache, sowie Autonomie und Sozialisation), haben neuere Studien5 neue Werkzeuge vorgeschlagen, die auch diese Bereiche analysieren können. Diese Studien weisen darauf hin, dass die Beobachtungsmethode von Geburt an Hinweise von immensem Nutzen für die Frühintervention und für die Früherkennung von Pathologien liefert. Die Beobachtungsprozesse in diesen Zeitaltern sind jedoch komplex, da sie von Verhaltensbeobachtungen abhängen, die in natürlichen Kontexten aufgezeichnet werden, die nicht immer einfach durchzuführen sind.
In diesem Rahmen ist die Beurteilung des Erwerbs von Funktionsfähigkeiten im frühen Alter für Eltern, Erzieher und Therapeuten gleichermaßen von großem Interesse. Eine solche Bewertung ist für Kinder von Bedeutung, bei denen eine Behinderung diagnostiziert wurde oder bei denen das Risiko besteht, eine Behinderung zu entwickeln. Die Früherkennung von Entwicklungsstörungen ist für die früherkennung und Intervention unerlässlich. Beobachtungsstudien von Geburt an werden Indikatoren für diese Früherkennung und Intervention liefern5. Derzeit gibt es verschiedene Werkzeuge (Entwicklungsinventare, Waagen, Tests usw.) zur Messung der Entwicklung in diesen Altersgruppen. Die Instrumente, die derzeit angewendet werden können, sind Entwicklungsinventare, von denen einige standardisiert sind. Einige dieser Instrumente erfordern jedoch möglicherweise Kenntnisse der psychometrischen Techniken, und die Ergebnisse werden nicht automatisch auf dem Bildschirm angezeigt. Aus diesem Grund ist es wichtig, andere Tools zu entwickeln, die einfacher zu bedienen und zu interpretieren sind.
   
Erstellung von Software zur Erfassung und Interpretation von Daten aus den Prozessen kontextbezogener Beobachtungsprozesse im frühen Alter
Die Softwareentwicklung wurde daher als relevant angesehen, was den Beobachtern (Therapeut, Pädagoge usw.) helfen würde, die Ergebnisse ihrer Beobachtungen aufzuzeichnen und zu interpretieren. Dieses Protokoll und diese Software, eEarlyCare, kann sowohl in Bildungszentren, die mit Kindern mit Behinderungen arbeiten, als auch in therapeutischen Interventionszentren für diese Gruppe verwendet werden. Aus diesem Grund wird von nun an der Begriff "Benutzer" verwendet werden, der sowohl Studenten als auch Patienten einschließt, je nachdem, wo die Intervention durchgeführt wird. Insbesondere eine Software, die die Aufzeichnung und Interpretation von Daten erleichtern könnte, die in natürlichen Kontexten aus der Beobachtung der funktionellen Fähigkeiten bei Kindern von 0 bis 6 Jahren gesammelt werden. Diese Software, eEarlyCare, basiert auf der Funktionsfähigkeitsskala6 [Skala zur Messung von Funktionsfähigkeiten bei Kindern zwischen 0-6 Jahren] (SFA); Diese Skala umfasst die Messung von 11 Entwicklungsbereichen (Lebensmittelautonomie, Körperpflege und Hygiene, unabhängig und kleidend und auskleiderhaft, Schließerkontrolle, Funktionelle Mobilität, Kommunikation und Sprache, Interaktives symbolisches Spiel, Tägliche Sorggänge, Adaptives Verhalten). Auch war es wiederum, inspiriert durch den Portage Guide2, die Pädiatrische Bewertung des Behinderteninventars (PEDI)7, und die Werke von Bronson8, sowie Whitebread und Basilio4 über soziale Kompetenzen im Alter von 0-6, die Brunet-Lézine-Skala3, Entwicklungsinventare für Kinder im Alter von 0-67, und die Bewertungsskala der Vorläufer9 zu sozialen Fähigkeiten. Dieses Tool ist eine Computeranwendung, die verwendet wird, um die Ergebnisse jeder Benutzerbewertung in Längsfolge (vierteljährlich, monatlich, jährlich usw.) zu registrieren. Es ist ein referenzieller Aspekt für den Therapeuten in Bezug auf die Intervention, und für andere Fachleute, die mit Kindern in der frühen Kindheit mit Verdacht auf Funktionsstörungen arbeiten. Darüber hinaus kann die Software10 automatisch Vergleiche zwischen der Entwicklung der funktionellen Fähigkeiten verschiedener Benutzer erstellen, unabhängig davon, ob sie sich im selben Interventionszentrum befinden, wodurch die Definition gemeinsamer Aspekte für die zusammenarbeitende Arbeit erleichtert wird.
Insbesondere basiert diese Software auf Mainstream-Technologien (z. B. Windows Presentation Foundation Development -WPF-11), einer technologischen Innovation, die fortschrittliche Grafiken integriert, um genaue grafische Ergebnisse zu erzielen12 und eine positive Computer-Benutzererfahrung. Die Qualität der Diagramme verbessert die Visualisierungen und die Interaktivität, die mit anderen Tools wie Tabellenkalkulationen verfügbar sind. Die Anwendung kann die Daten lokal in relationalen Datenbanken speichern und die Informationen in die Cloud hochladen, um sie gemeinsam zu verwenden. Darüber hinaus wird auch die klassische Client-Server-Architektur unterstützt. Diese Funktionen erleichtern das Aufzeichnen der aus den Beobachtungen gesammelten Daten und die Verarbeitung der Ergebnisse für die Visualisierung. Auch, einmal registriert, ist es sehr einfach, die Daten zu exportieren. Auf diese Weise können die Daten in leistungsstarken statistischen Paketen verwendet werden, um Data Mining-Techniken anzuwenden, wie überwachtes (Klassifizierung und/oder Regression) und unbeaufsichtigtes (Gruppierungs-)maschinelles Lernen.
In dieser Studie sind die Klassifizierungstechniken von besonderem Nutzen für personalisiertes Lernen13. Die Architektur ist in Abbildung 1 und Abbildung 2zu sehen. In Abbildung 1wird die Funktionalität des Cloud-Speichers als Schutz für Datensicherheitsprobleme und potenziellen Verlust und Beschädigung von Daten beim Austausch zwischen Anwendungen verwendet. Darüber hinaus kann die Software auch in einer klassischen netzwerkbasierten Client-Server-Architektur mit einer Datenbank (Abbildung 2) betrieben werden, wobei alle Datenaustausche zwischen Clients stattfinden (dies sind Konzepte, die im Bereich der Informatik verwendet werden). Diese Plattformen bieten Authentifizierungsmechanismen und eingeschränkten Zugriff, die Privatsphäre und Datenschutz gewährleisten und gleichzeitig die Interaktion mit voll entwickelten Anwendungen erleichtern. Das Endergebnis ist eine Anwendungsschnittstelle, die14 für Frühaufsteher entwickelt wurde, so dass sie Learning Analytics-Techniken auf einfache Weise verwenden und auf sie verweisen können, um den Entwicklungsgrad jedes Einzelnen in jedem Bewertungsbereich der Skala15zu verfolgen.
Die Anwendung bietet auch ein allgemeines Profil jedes Benutzers in jedem der Funktionsbereiche und Unterbereiche (Tabelle 1). Es erzeugt auch einen Vergleich zwischen allen Benutzern in einem Zentrum. Kurz gesagt, es erstellt eine personalisierte Analyse der Interventionsbedürfnisse der verschiedenen Benutzer. Darüber hinaus hilft es Frühpflege-Profis mit ihren Interventionsprogrammen, da es Bereiche kennzeichnen kann, in denen Benutzer ähnliche Entwicklungsmuster aufweisen können oder nicht. All diese Ergebnisse leiten die Art der Interventionsprogramme, die zusammen verwendet werden können, und nicht die, die einzeln entworfen werden müssen. Die Daten, die mit dieser Schnittstelle verknüpft sind, sind die SFA-Werte der Benutzer, die auf einer Likert-Skala von 1 bis 5 gemessen werden. Diese Werte können mit den maximalen Altershöchstwerten verglichen werden, die mit jeder SFA-Dimension verknüpft sind. Die Software kann auch das chronologische Alter jedes Benutzers mit dem Entwicklungsalter jeder SFA-Dimension verknüpfen; ein relevanter Aspekt für die Detektion von Interventionsbereichen, aus denen die Behandlungsbereiche priorisiert werden sollen.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>Funktionsbereich</td>
			<td>Funktionaler Teilbereich</td>
		</tr>
<tr>
<td rowspan="2">1. Lebensmittelautonomie</td>
			<td>1. Lebensmittel-Textur</td>
		</tr>
<tr>
<td>2. Verwendung von Utensilien</td>
		</tr>
<tr>
<td rowspan="5">2. Körperpflege und Hygiene</td>
			<td>3. Zahnhygiene</td>
		</tr>
<tr>
<td>4. Frisur</td>
		</tr>
<tr>
<td>5. Nasenpflege</td>
		</tr>
<tr>
<td>6. Händewaschen</td>
		</tr>
<tr>
<td>7. Gesichts- und Körperwäsche</td>
		</tr>
<tr>
<td rowspan="2">3. Unabhängig kleider und entkleiden</td>
			<td>8. Anziehen und Ausziehen (Taille nach oben)</td>
		</tr>
<tr>
<td>An- und Ausziehen (Taille nach unten)</td>
		</tr>
<tr>
<td>4. Sphinkterkontrolle</td>
			<td>9. Sphinkterkontrolle</td>
		</tr>
<tr>
<td rowspan="8">5. Funktionelle Mobilität</td>
			<td>10. Obere Extremität</td>
		</tr>
<tr>
<td>11. Transfers in WC</td>
		</tr>
<tr>
<td>12. Transfers auf einem Stuhl</td>
		</tr>
<tr>
<td>13. Mobilitäts- und Bettentransfers</td>
		</tr>
<tr>
<td>14. Mobilität in der Badewanne</td>
		</tr>
<tr>
<td>15. Mobilität in Innenräumen</td>
		</tr>
<tr>
<td>16. Transport von Gegenständen</td>
		</tr>
<tr>
<td>17. Outdoor-Mobilität</td>
		</tr>
<tr>
<td rowspan="3">6. Kommunikation und Sprache</td>
			<td>18. Wortverständnis</td>
		</tr>
<tr>
<td>19. Verstehen von Phrasen</td>
		</tr>
<tr>
<td>20. Funktionale Nutzung der Kommunikation</td>
		</tr>
<tr>
<td rowspan="2">7. Aufgabenbewältigung im sozialen Kontext</td>
			<td>21. Lösung von Problemen</td>
		</tr>
<tr>
<td>22. Informationen über sich selbst</td>
		</tr>
<tr>
<td rowspan="3">8. Interaktives und symbolisches Spiel</td>
			<td>23. Interaktives Spiel</td>
		</tr>
<tr>
<td>24. Interaktion mit der Peer-Gruppe</td>
		</tr>
<tr>
<td>25. Spielen mit Objekten</td>
		</tr>
<tr>
<td rowspan="2">9. Alltagsroutinen</td>
			<td>26. Rechtzeitige Führung</td>
		</tr>
<tr>
<td>27. Hausaufgaben</td>
		</tr>
<tr>
<td rowspan="5">10. Adaptives Verhalten</td>
			<td>28. Selbstverletzungsverhalten</td>
		</tr>
<tr>
<td>29. Heteroagressivität (Schaden für andere)</td>
		</tr>
<tr>
<td>30. Zerstörung von Gegenständen</td>
		</tr>
<tr>
<td>31. Störendes Verhalten (schreien, schreien, ohne Grund lachen)</td>
		</tr>
<tr>
<td>32. Stereotypen</td>
		</tr>
<tr>
<td>11. Achtung</td>
			<td>33. Achtung</td>
		</tr>
</tbody></table>Tabelle 1: Liste der Funktionsbereiche und Teilbereiche.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/60247/60247fig01.jpg"> Abbildung 1: Architektur des Vorschlags zur Automatisierung der Korrektur der Scale-Funktionalität von Cloud-Speicher. <a href="https://www.jove.com/files/ftp_upload/60247/60247fig01large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/60247/60247fig02.jpg"> Abbildung 2: Architektur des Vorschlags zur Automatisierung der Korrektur des klassischen Scale-Netzwerks. <a href="https://www.jove.com/files/ftp_upload/60247/60247fig02large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
Therapeuten und Interventionsprofis können dieses Bewertungsprotokoll und die Software-Implementierung für die Beurteilung der funktionellen Fähigkeiten und ihrer Entwicklung in der frühen Kindheit zwischen 0 und 6 Jahren Entwicklung nutzen. Die Software kann mit Kindern innerhalb dieser Altersgruppe verwendet werden, obwohl es besonders nützlich für Kinder mit Verdacht auf beeinträchtigte Entwicklung von funktionellen Fähigkeiten ist. Es ist auch besonders nützlich in Sonderpädagogischen Zentren. Die Forschungsfrage ist, ob, nachdem die funktionellen Fähigkeiten von Kindern beobachtet, der Einsatz eines Computer-Tools die Aufzeichnung und Interpretation der Ergebnisse für den Therapeuten erleichtern wird.

<table><tbody><tr><td>eEarlyCare Software</td><td>Autoren und Universität Burgos. Registernummer 00/2019/3855</td><td></td><td>Computeranwendung zur Implementierung der SFA-Skala</td></tr><tr><td>zur Messung der funktionalen Fähigkeiten im Alter von 0-6 Jahren (SFA)</td><td>Autoren und Universität Burgos. Registernummer 00/2019/4253</td><td></td><td>Skala zur Messung funktioneller Fähigkeiten bei 0-6-Jährigen</td></tr></tbody></table>

messung der funktionsfähigkeit von kindern im alter von 3-6 jahren mit beobachtungsmethoden und computerwerkzeugen

Measuring the Functional Abilities of Children Aged 3-6 Years Old with Observational Methods and Computer Tools

Die Analyse der funktionellen Fähigkeiten und deren Entwicklung in der frühen Kindheit (0-6 Jahre) sind grundlegende Aspekte bei Kleinen mit bestimmten Arten von Entwicklungsschwierigkeiten, die die Prävention durch programmierte Interventionen erleichtern können, die an die Bedürfnisse jedes Benutzers (Schüler oder Patienten) angepasst sind. Bisher gibt es jedoch nur wenige Untersuchungen, die den Einsatz automatisierter Tools zur Erfassung und Interpretation der Ergebnisse der ersten Bewertung analysiert haben. Hier wird ein Protokoll vorgestellt, um die funktionellen Fähigkeiten in der frühen Kindheit bei kleinen Kindern im Alter von 3-6 Jahren mit geistigen Behinderungen zu untersuchen, aber das Protokoll kann auch für Kinder im Alter von 0 bis 6 Jahren verwendet werden. Das Protokoll verwendet eine Computeranwendung, eEarlyCare, die die Interpretation der Ergebnisse systematischer Beobachtungen erleichtert, die in natürlichen Umgebungen von Fachleuten aufgezeichnet werden, die in frühen Interventionen geschult sind. Die Software kann verwendet werden, um 11 Funktionsbereiche (Lebensmittelautonomie, Körperpflege und Hygiene, Dressing und Entkleiden unabhängig, Schließmuskelkontrolle, funktionelle Mobilität, Kommunikation und Sprache, tägliche Lebensroutinen, Adaptive Sitten und Aufmerksamkeit) und insgesamt 114 verschiedene Verhaltensweisen zu analysieren. Seine Verwendung erleichtert die Analyse der beobachteten Fähigkeiten und unterstützt eine frühzeitige Intervention erheblich. Im Vergleich zu anderen Beobachtungsmethoden ermöglicht es einen effizienteren Einsatz persönlicher und materieller Ressourcen. Die Verwendung der Computeranwendung erleichtert die Aufzeichnung der Beobachtungsergebnisse, was bei der Organisation und Reflexion der Beobachtungen hilft. Die Software zeigt die Beobachtungsergebnisse auf dem Bildschirm im Vergleich zu normalen Entwicklungsparametern an. Diese Informationen können für die Entscheidung über das am besten geeignete Interventionsprogramm für jeden Benutzer (Schüler oder Patient) heranverwiesen werden. Ebenso werden Clustering-Techniken angewendet, um die Beziehung zwischen der Art der intellektuellen Behinderungen und der funktionalen Entwicklung zu analysieren, die mit der Software identifiziert wird, eine Beziehung, die als Leitfaden für professionelle Frühversorgungsinterventionen dienen soll.

Die vorliegende Studie rekrutierte 11 Teilnehmer mit bestätigten Diagnosen [sowohl moderate (Entwicklungsquotient = DQ 40-65) als auch schwere (DQ 39-60) geistige Behinderungen]. Das Protokoll wurde in einem Pilotprojekt über 20 Monate in einem Sonderpädagogischen Zentrum getestet. Alle Diagnosen für diese Studie wurden von einem multidisziplinären Team gemäß DSM-5 unter Verwendung der Brunet Lézine-Skala bestätigt, da der Grad der Zuneigung über den Rahmen anderer Skalen wie der Wechsler-Vorschule und der Primärintellig...

Wir präsentieren ein Protokoll, um ein Rechenwerkzeug zu verwenden, um die funktionellen Fähigkeiten von Kindern im Alter von 3-6 Jahren aufzuzeichnen und zu analysieren. Das Protokoll erleichtert den Vergleich dieser Fähigkeiten während ihrer gesamten Entwicklung und kann zur Beurteilung von Entwicklungsschwierigkeiten verwendet werden.

Messung der Funktionsfähigkeit von Kindern im Alter von 3-6 Jahren mit Beobachtungsmethoden und Computerwerkzeugen

The analysis of functional abilities and their development in early childhood (0-6 years old) are fundamental aspects among young children with certain ...

Dieses Protokoll erfüllte die Verfahrensvorschriften des Bioethischen Ausschusses der Universität von Burgos Spanien vor ihrer Teilnahme, sowohl die Studenten als auch ihre Eltern, in einigen Fällen hatten Rechtslehrer alle ihre informierte Zustimmung gegeben und ich war über die Ziele der Studie vollständig informiert worden. Für ihre Teilnahme wurde kein finanzieller Ausgleich angeboten. Das Protokoll analysiert die Verwendung der Software für die Aufzeichnung und Interpretation von Ergebnissen in einer Skala für die Messung von funktionellen Fähigkeiten, In 30 bis 60 Haushalte.Diese Skalen analysieren funktionale Fähigkeiten, die in 11 Bereichen verteilt sind. Der Server ermöglicht die Aufzeichnung interpretation der funktionalen Entwicklung der Benutzer vergleicht die evolutionäre Entwicklung in jeder Fähigkeit. Es wird in einer leichteren Skala von eins bis fünf gemessen, von nichts zu allem.Dieses Tool erleichtert die Erkennung von Problemen bei der Entwicklung von Funktionsfähigkeitsführern bei der Implementierung von Schulungsprogrammen und erleichtert wiederum die Überwachung der Benutzer innerhalb solcher Programme. Vor der Nutzung dieses Servers können die Lehrertherapien nicht unterschiedlichen Fähigkeiten in einem drogenabhängigen Kontext dienen. Außerdem kann sie diese Ergebnisse mit den Informationen der Eltern, der Einstellung der Teilnehmer, vergleichen.Rekrutieren Sie Kinder zwischen null und sechs Jahren im Entwicklungsalter mit einer Geschichte von besonderen pädagogischen Bedürfnissen im Zusammenhang mit Veränderungen im Bereich der motorischen Entwicklung, kognitive, persönliche Autonomie und Sozialisation, und mit moderaten bis schweren geistigen Behinderungen. Insgesamt wurden 11 Teilnehmer, sieben Jungen und vier Mädchen für die vorliegende Studie rekrutiert. Berücksichtigen Sie Kinder, die eine bestätigte Diagnose einer mittelschweren oder schweren geistigen Behinderung gemäß dem diagnose- und statistischen Handbuch für psychische Störungen aufweisen, und besuchen Sie ein spezielles Bildungszentrum für ihre Schulbildung.Die Diagnose sollte in jedem Fall von einem pädiatrischen Neurologen in einem Krankenhaus oder einem Psychologen im Auftrag eines multidisziplinären Teams gemäß DSM-5 bestätigt worden sein. Idealerweise sollten es nicht weniger als 15 Teilnehmer sein. Ausschließen von Kindern mit normaler Entwicklung in Funktionsbereichen, motorischer kognitiver, persönlicher Autonomie und Sozialisationsentwicklung und Kinder mit geistiger Funktionsbeschränkung.Datenerfassung. Sammeln Sie Daten über die Entwicklung der Kinder in verschiedenen Funktionsbereichen, Lebensmittelautonomie, Körperpflege und Hygiene, Selbstständiges Anziehen und Ausziehen, Schließmuskelkontrolle, funktionelle Mobilität, Kommunikation und Sprache, Alltag, angepasstes Verhalten und Aufmerksamkeit. Für die Beobachtung mit der Skala für die Messung von funktionellen Fähigkeiten bei Kindern zwischen null und sechs Jahren und Durchführung deo Beobachtung in einem natürlichen Kontext.Zum Beispiel Schuleinstellungen. Zeichnen Sie Beobachtungen während der Woche in verschiedenen natürlichen Umgebungen auf, die das tägliche Leben der Studenten im Zentrum widerspiegeln. Zum Beispiel, während des Spielens, et cetera.lassen Sie den Lehrer und den Therapeuten, die das Kind direkt in der Bildungseinrichtung besuchen, die Beobachtungen aufzeichnen und dann die Ergebnisse in die Software einfließen lassen. Experimentierverfahren. Zuweisen eines Schülers zu einem Lehrer in der Software.Dieser Schritt wird ungewöhnlicherweise vom Studienleiter durchgeführt, der in der Regel als Koordinator des Programms tätig ist. Melden Sie sich mit einem Benutzernamen und Passwort an und wählen Sie die Sprache, entweder Englisch oder Spanisch. Geben Sie die Informationen zu den Studentendaten aus der Hilfe des Registers durch den Direktor des Zentrums ein.Füllen Sie das folgende Feld für jeden Kursteilnehmer aus. Name, Name des Vaters, Code, Geschlecht, Geburtsdatum, Entwicklungsalter, Primärdiagnose, gegebenenfalls Sekundärdiagnose und Beobachtung, die für Mediation, Daten, Allergien und andere Informationen oder Interessen für die Leitung des Zentrums relevant sind. Geben Sie die Informationen über den Lehrer oder Therapeuten aus den Aufzeichnungen im Zentrum ein.Weisen Sie die Lehrer einer Gruppe mit einem Lehrer oder Therapeuten zu, indem Sie auf das Klassenzimmer klicken, dann gehen Sie zur Spalte Schüler, wählen Sie dann den Schüler aus, der dem Klassenzimmer zugewiesen werden soll, und klicken Sie dann auf die Lehrer und wählen Sie eine Gruppe von Schülern und ihren Lehrern oder Therapeuten einem Klassenzimmer zuweisen, indem Sie auf die Eingabedaten der Lehrer, den Namen, den Nachnamen, den Identifikationscode klicken. , E-Mail, Passwort und Beobachtung. Dann klicken Sie auf Director akzeptieren kann dann die Verantwortung für die Schülerbewertungen auf jeden Lehrer übertragen. Der Direktor kann die Bewertungen einsehen, die der Lehrer während des gesamten akademischen Jahres in die Software einbringt.Verwendung der Software durch den Lehrer. Der Lehrer oder Therapeut, der die Bewertung durchführt, kann dann ein akademisches Jahr und einen Begriff auswählen. Die Waage bietet die Möglichkeit, verschiedene Funktionsbereiche für jeden Begriff auszuwählen, Login to the Software mit einem Benutzernamen und Passwort, das der Direktor zuvor zugewiesen haben kann.Geben Sie das Ergebnis der Bewertungen ein, die in natürlichen Umgebungen für jeden Teilnehmer durchgeführt wurden, der einem Klassenzimmer zugewiesen ist. Wählen Sie einen Studenten in der Software, indem Sie auf seinen Namen klicken und dann die Bewertung eines anderen Funktionsbereichs starten. Führen Sie die vergleichende Analyse zwischen der Entwicklung jedes Benutzers und der erwarteten Entwicklung in diesem chronologischen Alter durch.Gehen Sie folgen Sie den Schritten. Nachdem die Daten registriert wurden, wählen Sie die Spaltenauswertung aus, indem Sie mit der rechten Maustaste auf das Jahr klicken, und wählen Sie dann im Trimester die Spaltenteilnehmer aus, und wählen Sie die Schüler der Klasse aus, von der Sie die Auswertung vornehmen möchten. Wählen Sie dann die Spaltenbereiche aus, und klicken Sie auf den Bereich und den Unterbereich, der ausgewertet werden soll.Klicken Sie dann auf die maximale Registerkarte. Es bekommt die Entwicklung der Schüler und den Vergleich in der Entwicklung erwartet für ihr Alter Vergleichen Sie die verschiedenen Funktionsbereiche der einzelnen Benutzer aus dem Klassenzimmer Eine Analyse der Funktionsbereiche der einzelnen Benutzer kann mit der Software durchgeführt werden. Exportieren von Daten aus der Software.Wählen Sie die Benutzerdaten und Funktionsbereiche aus, und exportieren Sie dann die Datenbank. Wählen Sie die Spalte Excel aus, und holen Sie dann die Datenbank ab, und exportieren Sie dann die Datenbank in das Statistikprogramm oder die Bibliothek Ihrer Wahl. Importieren Sie die Daten in statistische Pakete und Bibliotheken wie SPSS, Weaker, Python, et cetera, und führen Sie Clustering-Analysen durch.Hier wird die Analyse mit SPSS wie folgt detailliert beschrieben. Clustering oder Clusteranalyse in einer unbeaufsichtigten maschinellen Lerntechnik N innerhalb K bedeutet, dass es sich um eine Gruppierungsmethode handelt, die darauf abzielt, einen Satz von N-Beobachtungen in K-Gruppen zu unterteilen, in denen die N-Beobachtung zu einer Gruppe mit einem näheren Mittelwert gehört. In diesem Experiment bedeutet K Clustering wurde verwendet, um die Cluster von Kindern und ihre funktionelle Entwicklung mit SFA gemessen zu überprüfen Wählen Sie die Option analysieren, und dann klassifizieren gefolgt von der Option.K bedeutet Cluster im statistischen Paket. Wählen Sie Kreuzregisterkarten unter beschreibende Statistiken und dann die folgenden beiden Variablen aus. Wählen Sie die Option beschreibende Statistiken aus, und wählen Sie dann Kreuzregisterkarten und dann die Option Cohen Kappa Koeffizient aus.Verwenden Sie eine Tabelle, um den Spinnenchat und spezifische Balkendiagramme für Kindergruppen mit mittelschweren und schweren geistigen Behinderungen zu generieren. Ergebnisse. In dieser Studie stellen wir ein Beispiel für die Datenanalyse mit dem Beobachtungsprotokoll in Verbindung mit der Verwendung der Softwareanwendung vor. Wir führen zunächst eine Clusteranalyse durch, um zu prüfen, ob sowohl die Diagnose mittlerer als auch schwerer geistiger Behinderungen von Kindern mit besonderen pädagogischen Bedürfnissen ihrer tatsächlichen Entwicklung entsprach.Mit der K-Methode haben wir zwei Cluster gefunden, die zu einer der beiden Gruppen gehören. Cluster eins und Cluster zwei integriert 55% bzw. 45% der Stichprobe. Anschließend wurde eine Kreuztabelle generiert, um die Beziehung zwischen dem zugehörigkeitsgroßen Cluster und dem variablen Grad des Behinderungsclusters zu untersuchen.Es wurde festgestellt, dass alle in Cluster eins gruppierten Themen zu einer Gruppe A, moderaten geistigen Behinderungen und Cluster zwei alle Schüler der Gruppe B, schwere geistige Behinderungen, umfassten. und es gab nur eine mit moderaten geistigen Behinderungen. Siehe Tabelle 3, Ein Cohen Kappa Koeffizient 820, p=006 wurde erhalten.Fortschritte mit dieser Analyse der Studie kann durchgeführt werden, die Fähigkeiten des Teilnehmers in jeder funktionellen Gruppe, Behinderung mittelschwer im Vergleich zu Behinderung schwer durchgeführt werden. Zu diesem Zweck wurden Spinnendiagramme und spezifische Balkendiagramme verwendet. Schlussfolgerungen. Der Server verbessert die Untersuchung von Austro Vascular Disorder In natürlichen Umgebungen, denn wenn ein Gesetz auf bekennen die Daten oder Füllung der Gewebetherapeuten und analysieren praktisch in Echtzeit.auch die Software erleichtert den Export von Daten aus dem Zentrum auf Klassenzimmer zu Datei in Excel ein bestimmtes Format, beenden erleichtern das Einfügen in eine statische Seite Das ist möglich, andere komplexere Analyse durchzuführen, wie die Cluster-Analyse verschiedene Mittel mit paramischen oder keine paramischen Studien Analyse der Zuverlässigkeit des Servers für diese Probe etc.

measuring-functional-abilities-children-aged-3-6-years-old-with

Research

Forschung

JoVE Journal

Behavior

Verhalten

Eine zuverlässige home-based Weg, um das Sprachverständnis von sehr jungen normal entwickelte Kinder, sowie Menschen mit Autismus, beschrieben zu beurteilen. Das Verfahren analysiert Kinderzimmer Blickbewegung beim Betrachten side-by-side Bilder, sondern hört eine Audio, die nur ein Bild übereinstimmt. Stimuli mit jungen Teilnehmer konzipiert.

Tragbare Intermodal Preferential Looking (IPL): Untersuchung Sprachverstehen bei normal entwickelten Babys und Kleinkinder mit Autismus

Wir testeten die Usability einer Tablette-Computer-basierte Anwendung (EmoCogMeter) bei der Untersuchung der Auswirkungen des Alters auf die Kognition. Die Ergebnisse zeigen eine altersbedingten kognitiven Abbau, wodurch die Benutzerfreundlichkeit unserer Anwendung beweisen. Die Ergebnisse unterstreichen das große klinische und praktische Potential eines Tablet-basierte Anwendung zur Erfassung und Überwachung der kognitiven Dysfunktion.

Bewertung der Altersbedingte Veränderungen der kognitiven Funktionen Verwenden EmoCogMeter, einen Tablet-Computer Novel Based Approach

Kinder, die komplexe Kommunikationsbedarf haben, können von der Verwendung einer Spracherzeugungseinrichtung (SGD) profitieren. Kognitive Fähigkeiten wurden, die Auswirkungen auf die Fähigkeit, zwischen den Ebenen der SGDs Ebene identifiziert. Dieses Protokoll beschreibt die Schritte zum Logopäden notwendig, um die kognitiven Fähigkeiten und Navigationsfähigkeiten zu beurteilen.

Praktische Methodologie der kognitiven Aufgaben innerhalb eines Navigations Bewertung

Es wird eine Methode beschrieben, um die Qualität der visuellen Informationsverarbeitung basierend auf reflexiven Augenbewegungen als Reaktion auf bestimmte visuelle Modalitäten zu quantifizieren. Reaktionszeiten und Fixationsausgabeparameter werden verwendet, um die Sehleistung bei Kindern mit und ohne Sehbehinderung ab einem Alter von 6 Monaten zu charakterisieren.

Eine Methode zur Quantifizierung von Visual Information Processing bei Kindern Eye-Tracking

Arbeitsspeicher prognostiziert eine erhebliche Abweichung für eine Vielzahl von kognitiven Aufgaben, einschließlich Sprechen, Lesen und Schreiben. Allerdings sind nur wenige Werkzeuge zur Verfügung, um das Arbeitsspeicher bei Kindern zu beurteilen. Wir präsentieren einen innovativen, computerbasierten Akku, der bei Kindern im schulpflichtigen Alter verschiedene Komponenten des Arbeitsspeichers umfassend beurteilt.

Beurteilen von Arbeitsspeichern bei Kindern: Die umfassende Assessment-Batterie für Kinder - Arbeitsspeicher (CABC-WM)

Dieses Werk stellt ein neues Protokoll für die Beurteilung der Aufmerksamkeits-Defizit-Hyperaktivitäts-Störung (ADHS) durch die Bereitstellung eines objektiveren diagnostische Verfahrens für diese Entwicklungsstörung basiert auf der Verwendung von innovativen Tools. Er analysiert auch die Beziehung zwischen Aktivierung und Exekutive Funktion Maßnahmen.

Verwendung von Gehirn Aktivierung (Nir-HEG/Q-EEG) und Zwangsvollstreckungsmaßnahmen (CPT) in einer ADHS Protokoll

Eine objektive Bestimmung der Muskelfunktionen ist anspruchsvoll, vor allem bei Kindern. Basierend auf einem handelsüblichen digitalen 3-d-Sensor, entwickelte ein kinderfreundlichen Gaming-Test zur Beurteilung der oberen Extremität Funktion für klinische Studien.

Eine objektive und kinderfreundlichen Bewertung der Arm-Funktion mithilfe eines 3-d-Sensors

Dieses Trainingsprotokoll verwendet computergestütztes Training, um technologiebezogene alltägliche funktionstüchtige Fähigkeiten zu vermitteln. Zu diesen Fähigkeiten gehören finanzielle Fähigkeiten, Reisen und Transit sowie Das Medikamentenmanagement.

Ein computergestütztes Functional Skills Assessment and Training Program Targeting Technology Based Everyday Functional Skills

Hier wird ein Protokoll vorgestellt, das eine Reihe kinderfreundlicher statistischer Lernaufgaben einführt, die darauf ausgerichtet sind, das Lernen von zeitlichen statistischen Mustern von Kindern in verschiedenen Bereichen und sensorischen Modalitäten zu untersuchen. Die entwickelten Aufgaben sammeln Verhaltensdaten mithilfe der webbasierten Plattform und der aufgabenbasierten funktionellen Magnetresonanztomographie (fMRI) zur Untersuchung des neuronalen Engagements während des statistischen...

Messung des statistischen Lernens über Modalitäten und Domänen in Kindern im schulalterten Alter über eine Online-Plattform und Neuroimaging-Techniken

BM-PROMA ist ein gültiges und zuverlässiges Multimedia-Diagnosewerkzeug, das ein vollständiges kognitives Profil von Kindern mit mathematischen Lernbehinderungen liefern kann.

Multimedia-Batterie zur Beurteilung kognitiver und grundlegender Fähigkeiten in mathematik (BM-PROMA)

Die Multimedia-Batterie zur Bewertung allgemeiner und spezifischer Lesekompetenzen ist eine zuverlässige und valide Multimedia-Batterie, die zur Bewertung kognitiver und grundlegender Lesefähigkeiten entwickelt wurde. Es ermöglicht die Erstellung eines umfassenden kognitiven und Leseleistungsprofils, was besonders für Kinder mit Legasthenie von Vorteil ist.

Verbesserung der Legasthenie-Bewertung bei Kindern durch computergestützte Tests

Erfahren Sie, wie Software zur Erfassung und Analyse funktionaler Fähigkeiten bei Kindern im Alter von 3-6 Jahren eingesetzt wird. Diese computergestützte Methode unterstützt die Bewertung von Entwicklungsfortschritten.

Messung der Funktionsfähigkeit von Kindern im Alter von 3-6 Jahren mit Beobachtungsmethoden und Computerwerkzeugen

Weitere Videos entdecken