Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove

Behavior

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

doi: 10.3791/60247 Published: June 20, 2020

Summary

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.

Abstract

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.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

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.

Funktionsbereich Funktionaler Teilbereich
1. Lebensmittelautonomie 1. Lebensmittel-Textur
2. Verwendung von Utensilien
2. Körperpflege und Hygiene 3. Zahnhygiene
4. Frisur
5. Nasenpflege
6. Händewaschen
7. Gesichts- und Körperwäsche
3. Unabhängig kleider und entkleiden 8. Anziehen und Ausziehen (Taille nach oben)
An- und Ausziehen (Taille nach unten)
4. Sphinkterkontrolle 9. Sphinkterkontrolle
5. Funktionelle Mobilität 10. Obere Extremität
11. Transfers in WC
12. Transfers auf einem Stuhl
13. Mobilitäts- und Bettentransfers
14. Mobilität in der Badewanne
15. Mobilität in Innenräumen
16. Transport von Gegenständen
17. Outdoor-Mobilität
6. Kommunikation und Sprache 18. Wortverständnis
19. Verstehen von Phrasen
20. Funktionale Nutzung der Kommunikation
7. Aufgabenbewältigung im sozialen Kontext 21. Lösung von Problemen
22. Informationen über sich selbst
8. Interaktives und symbolisches Spiel 23. Interaktives Spiel
24. Interaktion mit der Peer-Gruppe
25. Spielen mit Objekten
9. Alltagsroutinen 26. Rechtzeitige Führung
27. Hausaufgaben
10. Adaptives Verhalten 28. Selbstverletzungsverhalten
29. Heteroagressivität (Schaden für andere)
30. Zerstörung von Gegenständen
31. Störendes Verhalten (schreien, schreien, ohne Grund lachen)
32. Stereotypen
11. Achtung 33. Achtung

Tabelle 1: Liste der Funktionsbereiche und Teilbereiche.

Figure 1
Abbildung 1: Architektur des Vorschlags zur Automatisierung der Korrektur der Scale-Funktionalität von Cloud-Speicher. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 2
Abbildung 2: Architektur des Vorschlags zur Automatisierung der Korrektur des klassischen Scale-Netzwerks. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

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.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

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

  1. 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.
  2. 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.
Sex N MAlter SD-Alter Rangalter (Monate) Behinderung• Schule
Grad
Eine B C D
Jungen 7 95.2 11.77 86-114 4 3 2 5
Mädchen 4 83.5 23.56 45-112 1 3 2 2
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

Tabelle 2: Merkmale der Stichprobe.

  1. Ausschließen von Kindern mit normaler Entwicklung in Funktionsbereichen (Motorik, kognitive, persönliche Autonomie und Sozialisationsentwicklung) und Kindern mit einer intellektuellen Funktionsbeschränkung.

2. Datenerhebung

  1. 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).
  2. 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.
  3. 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.).
    1. 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.
  4. 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.

3. Experimentelles Verfahren

  1. 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.
    1. Melden Sie sich mit einem Benutzernamen (professionell) und Passwort beim Softwarepaket an und wählen Sie die Sprache: Englisch oder Spanisch.
    2. Geben Sie die Daten der Kursteilnehmer aus den Datensätzen des Direktors des Zentrums ein.
    3. 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.
    4. Geben Sie die Informationen des Lehrers oder Therapeuten aus den Aufzeichnungen ein, die im Zentrum aufbewahrt werden.
    5. 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.
    6. 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.
  2. 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).
    1. Melden Sie sich bei der Software mit dem Benutzernamen (professionell) und dem zuvor vom Leiter des Zentrums zugewiesenen Passwort an.
    2. Geben Sie die Ergebnisse der Bewertungen ein, die in natürlichen Umgebungen für jeden Teilnehmer, der dem Schulungsraum zugewiesen ist, abgeschlossen wurden.
    3. 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.
    4. Führen Sie die vergleichende Analyse zwischen der Entwicklung jedes Benutzers und der erwarteten Entwicklung in diesem chronologischen Alter durch.
      1. Nachdem die Daten registriert wurden, wählen Sie die Spalte Auswertung durch Rechtsklick aus. Wählen Sie dann das Jahr und das Trimester aus.
      2. 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.
      3. 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).
    5. 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.
      1. Klicken Sie auf die Registerkarte Maximum. Es erhält die Entwicklung der Studenten und den Vergleich mit der Entwicklung für ihr Alter erwartet.
  3. Exportieren von Daten aus der Software
    1. 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.
    2. 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.
      1. Wählen Sie die Option Analysieren und Klassifizieren gefolgt von der Option k-means cluster im statistischen Paket.
      2. 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.
      3. 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.
    3. Verwenden Sie die Tabelle, um das Spinnendiagramm und spezifische Balkendiagramme für Kindergruppen mit mittelschweren und schweren geistigen Behinderungen zu generieren.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

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 Primärintelligenzskala (WPPSI) hinausging. Das Alter der Teilnehmer überstieg jedoch leicht das chronologische Alter von 6 Jahren (Tabelle 2). Die durchgeführten Aktionen und die Anwendungszeiten in dieser Studie sind Tabelle 3zu finden.

Funktionsbereich Zeit Lage Verantwortlich*
Lebensmittelautonomie 1 Woche Während der Mahlzeiten in natürlichen Kontexten. Lehrer oder Therapeut
Körperpflege und Hygiene 1 Woche In Pflege- und Hygieneaktivitäten im natürlichen Kontext. Lehrer oder Therapeut
(Mitte oder Zu Hause)
Selbstständiges Anziehen und Ausziehen 1 Woche Während der Aufgabe des Anziehens und Ausziehens in natürlichen Kontexten. Lehrer oder Therapeut
(Mitte oder Zu Hause)
Kontrolle von Sphinctern 1 Woche Tagsüber im natürlichen Kontext. Lehrer oder Therapeut
(Mitte oder Zu Hause)
Funktionale Mobilität 1 Woche Während der Aktivitäten des täglichen Lebens in natürlichen Kontexten. Lehrer oder Therapeut
(Mitte oder Zu Hause)
Kommunikation und Sprache 1 Woche Während der Aktivitäten des täglichen Lebens in natürlichen Kontexten. Lehrer oder Therapeut
(Mitte oder Zu Hause)
Aufgabenbewältigung in sozialen Kontexten 1 Woche Bei Aktivitäten des täglichen Lebens in natürlichen Kontexten Lehrer oder Therapeut
(Mitte oder Zu Hause)
Interaktives und symbolisches Spiel 1 Woche Situationen des symbolischen Spiels in natürlichen Kontexten., Lehrer oder Therapeut
(Mitte oder Zu Hause)
Alltagsroutinen 1 Woche Während der Aktivitäten des täglichen Lebens in natürlichen Kontexten. Lehrer oder Therapeut
(Mitte oder Zu Hause)
Adaptives Verhalten 1 Woche Während der Aktivitäten des täglichen Lebens in natürlichen Kontexten. Lehrer oder Therapeut
(Mitte oder Zu Hause)
Aufmerksamkeit 1 Woche Während der Aktivitäten des täglichen Lebens in natürlichen Kontexten. Lehrer oder Therapeut
(Mitte oder Zu Hause)
HINWEIS: *Entweder der Lehrer oder der Therapeut wird die Ergebnisse der beobachtungen im Zentrum gesammelten mit den Informationen aus der Familie kontrastieren, um zu sehen, ob es irgendwelche Diskrepanzen gibt. Vorherige Zustimmung und Zustimmung wurden immer von der Familie eingeholt, bevor man zu Hause in natürlichen Kontexten beobachtet wurde, die im Videoformat für die nachfolgende Analyse aufgezeichnet wurden. Die Anzahl der Beobachtungen wurde nach der Art der funktionellen Fähigkeit festgelegt, die das Kriterium der verschiedenen Beobachtungen während einer Woche in einem natürlichen Kontext (Zentrum oder Zuhause) festlegt.

Tabelle 3: Verfahren zur Beobachtung in verschiedenen Funktionsbereichen.

Eine vergleichende Analyse kann durchgeführt werden, sobald der Fachmann (Lehrer oder Therapeut) die Daten in die Software eingibt. Die Entwicklung der Benutzer (Studenten oder Patienten) aus dem gleichen Klassenzimmer auf den verschiedenen Dimensionen der Skala wird gezeigt.

In dieser Studie stellen wir einige Beispiele der Datenanalyse mit dem Beobachtungsprotokoll in Verbindung mit der Verwendung der Software vor. Wir führten zunächst eine Clusteranalyse durch, um zu überprüfen, ob die Diagnosen von mittleren und schweren geistigen Behinderungen von Kindern mit besonderen pädagogischen Bedürfnissen ihrer tatsächlichen Entwicklung entsprachen. Mit der k-means-Methode fanden wir 2 Cluster, die zu beiden Gruppen gehören. Cluster 1 und Cluster 2 integrierten 55 % bzw. 45 % der Stichprobe. Anschließend wurde ein Kreuztisch erstellt, um die Beziehung zwischen der Mitgliedschaft in einem Gruppencluster und der Variablen "Grad der Behinderung" zu untersuchen. Es wurde festgestellt, dass alle in Cluster 1 gruppierten Fächer zu Gruppe a) (moderate geistige Behinderungen) und Cluster 2 gehörten, alle Schüler der Gruppe b) (schwere geistige Behinderungen) und es gab nur eine mit mäßigen geistigen Behinderungen(Tabelle 4). Ein Cohen Kappa Koeffizient = .820, p = .006 wurde ermittelt.

Cluster-Fallnummer gesamt
1 2
Behinderungen Eine 5 0 5
B 1 5 6
gesamt 6 5 11

Tabelle 4: Cross Table Disability Cluster Fallnummer.

Die Software kann daher die Entwicklung der funktionellen Fähigkeiten der kinderbehandelten Kinder im selben (Bildungs- oder Therapiezentrum) aufzeichnen und ähnliche und unterschiedliche Entwicklungsstufen bestimmen. Dieser Aspekt ist sehr wichtig, da er die Anwendung ähnlicher Interventionsprogramme bei Kindern mit ähnlichen Bedürfnissen erleichtern wird, was wiederum personalisierte Interventionen und eine effiziente Nutzung der Ressourcen erleichtern wird.

Im Verlauf dieser Analyse kann eine Studie über die Fähigkeiten der Teilnehmer in jeder funktionellen Gruppe durchgeführt werden (Behinderung mäßig vs. Behinderung schwer). Zu diesem Zweck wurden sowohl Spider- als auch spezifische Balkendiagramme verwendet( siehe Abbildung 3 und Abbildung 4.

Figure 3
Abbildung 3: Vergleichende Analyse zwischen der Entwicklung jedes Benutzers (Schüler oder Patient) und der erwarteten Entwicklung bei Kindern mit mehreren geistigen Behinderungen.
(A) Lebensmittelautonomie, (B) Körperpflege und Hygiene, (C) Unabhängig kleiden und entkleiden, (D) Schließmuskelkontrolle, (E) Funktionelle Mobilität, (F) Kommunikation und Sprache, (G) Interaktives und symbolisches Spiel, (H) Alltagsroutinen, (I) Adaptives Verhalten. Blaue Linie zeigt die Punktzahl für die Fertigkeitserfassung an. Granatlinie zeigt maximale Punktzahl. Fehlerbalken in A, B, C, D, E, F, G, H und I. Die Fehlerbalken sind grafische Darstellungen der Datenvariabilität, eine Fehlerleiste zeigt die Unsicherheit eines Werts an. Die x-Achse stellt die Teilnehmer (mit mehreren intellektuellen Behinderungen) und die y-Achse die Punkte dar, die sie in jedem Funktionsbereich erhalten haben. Das Spinnendiagramm zeigt die vergleichende Entwicklung der Teilnehmer in jedem Funktionsbereich. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 4
Abbildung 4: Vergleichende Analyse zwischen der Entwicklung jedes Benutzers (Schüler oder Patient) und der erwarteten Entwicklung bei Kindern mit mittelschweren Behinderungen.
(A) Lebensmittelautonomie, (B) Körperpflege und Hygiene, (C) Unabhängig kleiden und entkleiden, (D) Schließmuskelkontrolle, (E) Funktionelle Mobilität, (F) Kommunikation und Sprache, (G) Interaktives und symbolisches Spiel, (H) Alltagsroutinen, (I) Adaptives Verhalten. Blaue Linie zeigt die Punktzahl für die Fertigkeitserfassung an. Granatlinie zeigt maximale Punktzahl. Fehlerbalken in A, B, C, D, E, F, G, H und I. Die Fehlerbalken sind grafische Darstellungen der Datenvariabilität, eine Fehlerleiste zeigt die Unsicherheit eines Werts an. Die x-Achse stellt die Teilnehmer (mit moderaten intellektuellen Behinderungen) und die y-Achse die Werte dar, die sie in jedem Funktionsbereich erhalten haben. Das Spinnendiagramm zeigt die vergleichende Entwicklung der Teilnehmer in jedem Funktionsbereich. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

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 angezeigten Daten zu analysieren, wobei die Entwicklung der Benutzer, Studenten oder Patienten hervorgehoben wird, die dem Klassenzimmer in allen Funktionsbereichen und Unterbereichen zugeordnet sind.

Die Software erleichtert auch den Datenexport von einem Zentrum und Klassenzimmer in Textdateien (z. B. .csv, .json,) und andere Tabellenformate (z. B. .xlsx), erleichtert deren Übertragung in statistische Pakete und bestimmte Machine Learning-Bibliotheken, in denen es möglich ist, andere komplexere Analysen durchzuführen, wie z. B. Clusteranalyse, mittels Unterschiede zu parametrischen und/oder nicht-parametrischen Statistiken und Zuverlässigkeitsanalysen der Software. In diesem Fall haben wir nicht-parametrische Statistiken mit statistischen Softwarepaketen angewendet.

Die Verwendung der Software wurde nur in einem Zentrum getestet, so dass die Arbeit im Gange ist, um seine Anwendung auf andere Service-Center für Benutzer mit Behinderungen zu erweitern. In ähnlicher Weise und aus einer Perspektive der kontinuierlichen Verbesserung wird auch an einer zweiten Phase der Software gearbeitet, in der die Möglichkeit geboten wird, individualisierte Frühstimulationsprogramme zu implementieren, basierend auf der Erkennung der am stärksten betroffenen Funktionsbereiche oder Entwicklungsbereiche, die automatisch generiert werden. Diese Programme umfassen die In-Hierarchie-Reihenfolge der Anschaffungsbedürfnisse umzusetzenden Verhaltensweisen sowie spezifische Interventionsrichtlinien, die notwendigen Materialien, Zeit und Raum für Implementierungs- und Verallgemeinerungsaktivitäten sowie eine Überwachungs- und Bewertungsvorlage, die der für die Bewertungsphase vorgestellten ähnelt.

Es sei darauf hingewiesen, dass die Verwendung eines Protokolls zur Beobachtung funktioneller Fähigkeiten, das keine automatisierte Verarbeitung der vom Fachmann auszulegenden Informationen bot, weder die Ergebnisse für ihre Interpretation in Echtzeit erhalten noch die statistischen Analysen durchführen konnte, die die spätere Praxis der therapeutischen Intervention leiten würden.

Als allgemeine Schlussfolgerung kann darauf hingewiesen werden, dass die Verwendung der Software sowohl die Aufzeichnung als auch die Interpretation der Ergebnisse durch die Therapeuten erleichtert hat. Diese funktionellen Aspekte wurden sowohl vom Direktor des Zentrums als auch von den an dieser Studie teilnehmenden Therapeuten sehr positiv bewertet.

Diese Methode hat nur sehr wenige Einschränkungen in Bezug auf ihre Implementierung, sowohl in Bezug auf die materiellen Ressourcen (Computereigenschaften, Anwendungsanforderungen) als auch auf die persönlichen Ressourcen (Grad der Vorkenntnisse für die Nutzung der Softwareanwendung und für die Interpretation der Ergebnisse durch die professionelle Aufzeichnung der Beobachtungen). Die Verwendung der Anwendung ist nicht kompliziert. Die wichtigste Schwierigkeit liegt in der Verarbeitung der Datenbank mit statistischen Paketen, an deren Verlauf anspruchsvollere Datenberechnungs- und Rechenfähigkeiten erforderlich sind.

In ähnlicher Weise und aus der Perspektive der kontinuierlichen Verbesserung wird an einer zweiten Phase der Software gearbeitet, in der die Möglichkeit geboten wird, individualisierte Frühstimulationsprogramme auf der Grundlage der Erkennung der am stärksten betroffenen Funktionsbereiche oder Entwicklungsbereiche zu implementieren, die automatisch generiert werden. Diese Programme umfassen die In-Hierarchie-Reihenfolge der Anschaffungsbedürfnisse umzusetzenden Verhaltensweisen sowie spezifische Richtlinien für Interventionen, notwendige Materialien, Zeit und Raum für die Implementierung und die Verallgemeinerung von Aktivitäten sowie eine Überwachungs- und Bewertungsvorlage, die der in der Bewertungsphase vorgestellten ähnelt.

Der Einsatz des hier vorgestellten Instruments und die vorgeschlagenen Verbesserungen zusätzlich zu den Feldarbeiten in Einrichtungen, die mit Kindern mit einer gewissen Entwicklungszuneigung arbeiten, werden der Arbeit von Forschern auf diesem Gebiet und auch der programmierten Nutzung durch staatliche Institutionen dienen, da es sowohl die Registrierung als auch die Interpretation der Ergebnisse erleichtert.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

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

Acknowledgments

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.

Materials

Name Company Catalog Number Comments
eEarlyCare software Authors and University of Burgos. Register number 00/2019/3855 Computer application to implement SFA
Scale for the measurement of functional abilities in 0-6 years old (SFA) Authors and University of Burgos. Register number 00/2019/4253 Scale for the measurement of functional abilities in 0-6 year olds

DOWNLOAD MATERIALS LIST

References

  1. Sáiz, M. C. Intervención cognitiva en niños pequeños [Cognitive intervention in early children]. Intervención Temprana: Desarrollo óptimo de 0 a 6 años [Early Intervention: Optimal development from 0-to-6 years old]. Gómez, A., Viguer, P., Cantero, M. J. Síntesis. Madrid, Spain. 117-133 (2003).
  2. Bluma, M. S., Shearer, M. S., Frohman, A. H., Hilliard, J. M. Portage Guide to Early Education (2nd Edition). Cooperative Educational Service Agency. Wisconsin, United States. (1978).
  3. Josse, D. Escala de desarrollo psicomotor de la primera infancia Brunet-Lézine Revisado [Scale of psychomotor development of early childhood (Brunet-Lézine-Revised)]. Psymtéc. Madrid, Spain. (1997).
  4. Newborg, J. Battelle Developmental Inventory, 2nd Edition: Examiner's manual. Itasca, IL: Riverside, USA. (2005).
  5. Whitebread, D., Basilio, M. S. Emergencia y desarrollo temprano de la autorregulación en niños preescolares [The emergence and early development of self-regulation in preschool children]. Profesorado. Revista de Currículum y Formación del Profesorado. 16, (1), 1-20 (2012).
  6. Pérez, Y., Sáiz, M. C. 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. (2018).
  7. Haley, S. M., Coster, W. J., Ludlow, L. H., Haltiwanger, J. T., Andrellos, P. J. The Pediatric Evaluation of Disability Inventory (PEDI) (2nd ed.). Pearson Clinical Assessment. Washington, United States. (2012).
  8. Bronson, M. B. Self-regulation In Early Childhood. The Guilford Press. NY, United States. (2000).
  9. Sáiz, M. C., Carbonero, M. A. Metacognitive Precursors: An Analysis in Children with Different Disabilities. Brain Science. 7, (10), 1-14 (2017).
  10. Sáiz, M. C., Marticorena, R., Arnaiz-González,, Díez-Pastor, J. F. eEarlyCare Computer application. Burgos, Spain. Registration number 00/2019/3855 (2019).
  11. Chowdhury, K. Windows Presentation Foundation Development Cookbook. (1st Edition). Packt Publishing. Birmingham. (2018).
  12. Nogal, F., Marticorena, R. UBUGrades 2.0. Doctoral Degree dissertation. Universidad de Burgos. Burgos, Spain. (2018).
  13. Sáiz, M. C., Marticorena, R., Arnaiz-Gonzalez, Á, Díez-Pastor, J. F., Rodríguez-Arribas, S. Computer application for the registration and automation of the correction of a functional abilities detection scale in early care. Proceeding of INTED2019: 13th annual International Technology, Education and Development Conference. IATED Academy. Valencia, Spain. 5322-5328 (2019).
  14. Hartson, R., Pyla, P. S. The UX book: Process and guidelines for ensuring a quality user experience. Morgan Kaufmann. Amsterdam, Dutch. (2012).
  15. Bernal, R., Ramírez, S. M. Improving the quality of early childhood care at scale: The effects of "From Zero to Forever". World Development. 118, 91-105 (2019).
  16. American Psychiatric Association. Diagnostic and Statistical Manual of Mental Disorders (DSM-5). (5th Edition). American Psychiatric Association. Arlington, VA, United States. (2013).
Messung der Funktionsfähigkeit von Kindern im Alter von 3-6 Jahren mit Beobachtungsmethoden und Computerwerkzeugen
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sáiz Manzanares, M. C., Marticorena Sánchez, R., Arnaiz González, Á., Díez Pastor, J. F., García Osorio, C. I. Measuring the Functional Abilities of Children Aged 3-6 Years Old with Observational Methods and Computer Tools. J. Vis. Exp. (160), e60247, doi:10.3791/60247 (2020).More

Sáiz Manzanares, M. C., Marticorena Sánchez, R., Arnaiz González, Á., Díez Pastor, J. F., García Osorio, C. I. Measuring the Functional Abilities of Children Aged 3-6 Years Old with Observational Methods and Computer Tools. J. Vis. Exp. (160), e60247, doi:10.3791/60247 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
simple hit counter