관찰 방법 및 컴퓨터 도구로 3-6 세 어린이의 기능 능력 측정

이 프로토콜은 그들의 참여 전에 부르고스 스페인의 대학의 생물 윤리위원회의 절차 적 규정을 준수수행하고 있었다, 학생들과 부모 모두, 어떤 경우에는, 법적 교사는 모두 자신의 정보에 입각한 동의를 제공하고 나는 연구의 목적을 완전히 인식했다. 그들의 참여에 대한 재정적 보상은 제공되지 않았습니다. 이 프로토콜은 30~60세대의 기능능력 측정을 위한 척도에서 결과기록 및 해석을 위한 소프트웨어의 사용을 분석한다.

이러한 스케일은 기능 능력을 분석하며, 이는 11개 영역에 분포되어 있습니다. 서버는 각 능력의 진화 적 발전을 비교하는 사용자의 기능 적 발달에 대한 레코딩 해석을 허용합니다. 그것은 모든 것에서 모든 것에 이르기까지 1에서 5까지 더 가벼운 규모로 측정됩니다.

이 도구는 교육 프로그램의 구현에 기능 기술 가이드의 개발에 문제의 검출을 용이하게하고, 차례로 이러한 프로그램 내에서 사용자의 모니터링을 용이하게한다. 이 서버를 사용하기 전에 교사 치료는 약물 컨텍스트에서 다른 능력을 제공 할 수 없습니다. 또한 이러한 결과를 부모의 정보, 참가자 모집과 비교할 수 있습니다.

자동차 개발, 인지, 개인 자율성 및 사회화 분야의 변화와 관련된 특별한 교육적 요구의 역사를 가진 발달 연령의 0~6세 사이의 어린이와 중등도에서 중증 지적 장애를 가진 자녀를 모집합니다. 총 11명의 참가자, 7명의 소년 및 4명의 소녀가 본 연구를 위해 모집되었습니다. 정신 장애의 진단 및 통계 매뉴얼에 따라 중등도 또는 중증 지적 장애의 확인 된 진단을 보여주고 교육을위한 특수 교육 센터에 참석하는 어린이를 포함.

진단은, 각각의 경우에, DSM-5에 따라 다학제 팀을 대신하여 병원 또는 심리학자에 의해 확인되어야 합니다. 이상적으로 는 15 명 이하의 참가자가 있어야합니다. 기능 분야, 모터 인지, 개인 자율성, 사회화 발달 및 지적 기능 제한이있는 어린이의 정상적인 발달을 가진 어린이를 제외하십시오.

데이터 수집. 다양한 기능 분야의 어린이 발달에 대한 데이터를 수집, 식품 자율성, 개인 관리 및 위생, 드레싱 및 옷을 벗고 독립적으로 옷을 벗고, 괄약근 제어, 기능 이동성, 통신 및 언어, 일상 생활 루틴, 적응 된 행동과 관심. 0~6세 사이의 어린이의 기능능력 측정을 위한 스케일을 이용하여 관찰하고, 자연맥락에서 도관측을 실시한다.

예를 들어, 학교 설정. 센터에서 학생들의 일상 생활을 반영하는 다른 자연 환경에서 일주일 내내 관찰을 기록합니다. 예를 들어, 재생하는 동안, 등 세테라.

교육 기관에서 직접 아이에 참석하는 교사와 치료사가 관찰을 기록한 다음 결과를 소프트웨어에 넣게하십시오. 실험 절차. 소프트웨어의 교사에게 학생을 할당합니다.

이 단계는 일반적으로 프로그램의 코디네이터로 연구 이사에 의해 비정상적으로 수행됩니다. 사용자 이름과 암호로 소프트웨어 패키지를 로그인하고 영어 또는 스페인어중 하나를 선택합니다. 센터 장이 레지스터의 도움을 받아 학생 데이터와 관련된 정보를 입력합니다.

각 학생에 대해 다음 필드를 입력합니다. 이름, 선생님 이름, 코드, 성별, 생년월일, 발달 연령, 1 차 진단, 중재, 데이터, 알레르기 및 기타 정보 또는 센터의 관리에 대한 관심과 관련된 적절한 관찰이 있는 경우 이차 진단. 센터에 보관된 기록에서 교사 또는 치료사와 관련된 정보를 입력합니다.

교사나 치료사가 있는 그룹에 교사를 교실을 클릭한 다음, 학생에게 교실에 배정된 학생을 선택한 다음 교사를 클릭한 다음 각 학생 그룹과 교사 또는 치료사를 교실에 할당하여 교사의 입력 날짜, 이름, 성, 식별 코드를 클릭하여 교실에 할당합니다. , 메일, 암호 및 관찰. 그런 다음 디렉터를 클릭하여 학생 평가에 대한 책임을 각 교사에게 전해받을 수 있습니다. 디렉터는 교사가 학년 내내 언제든지 소프트웨어에 입력할 평가를 참조할 수 있습니다.

교사에 의해 소프트웨어의 사용. 평가를 수행하는 교사 또는 치료사는 학년 또는 용어를 선택할 수 있습니다. 이 배율은 각 용어에 대해 서로 다른 기능 영역을 선택할 수 있으며, 디렉터가 이전에 할당할 수 있는 사용자 이름과 암호가 있는 소프트웨어에 로그인할 수 있습니다.

교실에 할당된 각 참가자에 대해 자연 환경에서 완료된 평가 결과를 입력합니다. 자신의 이름을 클릭하여 소프트웨어의 학생을 선택한 다음 다른 기능 영역의 평가를 시작합니다. 각 사용자의 개발과 연대순기의 예상 개발 사이의 비교 분석을 수행합니다.

단계를 수행하여 이 작업을 수행합니다. 데이터가 등록되면 마우스 오른쪽 클릭으로 열 평가를 선택한 다음 삼분기는 열 학생을 선택하고 평가를 할 클래스의 학생을 선택합니다. 그런 다음 열 영역을 선택하고 평가해야 하는 영역 및 하위 영역을 클릭합니다.

그런 다음 최대 탭을 클릭합니다. 학생들의 발달과 연령대에 기대되는 개발의 비교를 얻고 각 사용자의 다양한 기능 영역을 교실에서 비교하면 각 사용자의 기능 영역을 분석하여 소프트웨어로 수행할 수 있다. 소프트웨어에서 데이터를 내보낼 수 있습니다.

사용자 데이터 및 기능 영역을 선택한 다음 데이터베이스를 내보냅니다. 열 Excel을 선택한 다음 데이터베이스를 선택한 통계 프로그램 또는 라이브러리에서 데이터베이스를 내보냅니다. 데이터를 SPSS, 약한, 파이썬, 등 세테라와 같은 통계 패키지 및 라이브러리로 가져오고 클러스터링 분석을 수행합니다.

여기서 SPSS를 분석하는 내용은 아래와 같이 자세히 설명되어 있습니다. K 내에서 감독되지 않은 기계 학습 기술 N에서 클러스터링 또는 클러스터 분석은 N 관측이 더 가까운 평균 값을 가진 그룹에 속하는 K 그룹으로 N 관측 세트를 분할하는 것을 목표로 하는 그룹화 방법임을 의미합니다. 이 실험에서 K는 클러스터링이 SFA 선택 옵션 분석으로 측정된 어린이 클러스터및 기능 개발을 검사하는 데 사용되었으며, 그 다음에 옵션을 분류하는 것을 의미합니다.

K는 통계 패키지의 클러스터를 의미합니다. 설명 통계에서 교차 탭을 선택한 다음 다음 두 변수를 선택합니다. 설명 통계 옵션을 선택한 다음 교차 탭을 선택한 다음 Cohen Kappa 계수 옵션을 선택합니다.

스프레드시트를 사용하여 중등도 및 중증 지적 장애가 있는 어린이 그룹에 대한 스파이더 채팅 및 특정 막대 그래프를 생성합니다. 결과. 이 연구에서는 소프트웨어 응용 프로그램의 사용과 함께 관찰 프로토콜과 데이터 분석의 몇 가지 예를 제시합니다. 우리는 먼저 특별한 교육적 필요를 가진 아이들의 중증 지적 장애진단이 실제 발달에 부합하는지 확인하기 위해 클러스터 분석을 수행합니다.

K 수단을 사용하여 두 그룹에 속하는 클러스터를 찾았습니다. 각각 하나의 클러스터 와 클러스터 2 개의 통합 된 55%와 45%의 샘플. 그런 다음 교차 테이블이 생성되어 소속 클러스터와 장애 클러스터의 가변 정도 사이의 관계를 연구했습니다.

클러스터에 그룹된 모든 과목은 A그룹에 속하고, 중등도 지적장애, 클러스터 2에는 B그룹 소속 학생 모두, 중증 지적장애가 있는 것으로 나타났다. 그리고 온건한 지적 장애가 있는 사람은 단 한 명뿐이었습니다. 표 3, 코헨 카파 계수 820, p=006을 얻었다.

이러한 연구 분석을 통해 진행하면 각 기능군, 장애 중등도 및 장애중증의 참가자의 능력을 수행할 수 있다. 이러한 목적을 위해 거미 차트와 특정 막대 그래프가 사용되었습니다. 결론. 서버는 자연 환경에서 천체 혈관 장애의 연구를 개선, 때문에 법률 데이터의 공언 또는 조직 치료사를 작성에 기록하고 실시간으로 실질적으로 분석하기 때문에.

또한 소프트웨어는 교실에서 특정 형식을 삽입하기 위해 교실 에서 의 중심에서 데이터의 내보내기를 용이하게하고, 종료는 정적 페이지에 삽입을 용이하게 하는 데, 이러한 군진및 파라믹 스터디와 수단의 다른 클러스터 분석과 같은 다른 보다 복잡한 분석을 수행할 수 있는 그 샘플 등에 대한 서버의 신뢰성을 분석한다.