Author Produced

Medir as habilidades funcionais de crianças de 3 a 6 anos com métodos observacionais e ferramentas de computador

JoVE Journal
Behavior

Your institution must subscribe to JoVE's Behavior section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

Apresentamos um protocolo para usar uma ferramenta computacional para registrar e analisar as habilidades funcionais de crianças de 3 a 6 anos de idade. O protocolo facilita a comparação dessas habilidades ao longo de seu desenvolvimento e pode ser usado para avaliar dificuldades de desenvolvimento.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

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).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

A análise das habilidades funcionais e seu desenvolvimento na primeira infância (0-6 anos) são aspectos fundamentais entre crianças pequenas com certos tipos de dificuldades de desenvolvimento que podem facilitar a prevenção, por meio de intervenções programadas adaptadas às necessidades de cada usuário (aluno ou paciente). Há, no entanto, poucas investigações até o momento, que analisaram o uso de ferramentas automatizadas para registro e interpretação dos resultados da avaliação inicial. Aqui, é apresentado um protocolo para examinar as habilidades funcionais na primeira infância em crianças pequenas, com idade entre 3 e 6 anos, com deficiência intelectual, mas o protocolo também pode ser utilizado para idades de 0 a 6 anos. O protocolo faz uso de um aplicativo de computador, o eEarlyCare, que facilita a interpretação dos resultados das observações sistemáticas, que são registradas em ambientes naturais por profissionais treinados em intervenção precoce. O software pode ser utilizado para analisar 11 áreas funcionais (Autonomia Alimentar, Cuidados Pessoais e Higiene, Curativo e Despir-se independentemente, Controle de Esfíncter, Mobilidade Funcional, Comunicação e Linguagem, Rotinas diárias, Comportamento Adaptativo e Atenção) e um total de 114 comportamentos diferentes. Seu uso facilita a análise das habilidades observadas e auxilia muito a intervenção precoce. Em comparação com outros métodos observacionais, permite um uso mais eficiente de recursos pessoais e materiais. O uso da aplicação do computador facilita o registro dos resultados de observação, o que ajuda na organização e reflexão sobre as observações. O software exibe os resultados de observação na tela em comparação com parâmetros normais de desenvolvimento. Essas informações podem ser encaminhadas para a tomada de decisão sobre o programa de intervenção mais adequado para cada usuário (aluno ou paciente). Da mesma forma, técnicas de agrupamento são aplicadas para analisar a relação entre o tipo de deficiência intelectual e o desenvolvimento funcional identificado com o software, relação que se destina a servir de guia para a intervenção profissional de cuidados precoces.

Introduction

Observação em idades precoces: o que e como observar

A avaliação da primeira infância em contextos familiares comuns e na escola é realizada utilizando-se o método observacional. Assim, o avaliador deve aderir a um processo observacional preciso, a chave para um diagnóstico preciso e, portanto, para um treinamento bem-sucedido1. Existem muitos inventários de desenvolvimento que fornecem diretrizes para avaliação: o Guia Portage2, a Escala Brunet Lézine3,e o Inventário de Desenvolvimento Battelle4,entre outros. Essas ferramentas baseiam-se em padrões internacionalmente acordados estabelecidos pela comunidade científica no campo do desenvolvimento evolutivo humano. Embora essas ferramentas analisem as áreas de desenvolvimento (Psicomotora, Cognitiva, Comunicação e Linguagem e Autonomia e Socialização), estudos recentes5 têm proposto novas ferramentas que também podem analisar essas áreas. Esses estudos apontam que o método observacional desde o nascimento fornece indicadores de imensa utilidade à intervenção precoce e à detecção precoce de patologias. No entanto, os processos observacionais nessas idades são complexos, pois dependem de observações comportamentais registradas em contextos naturais, que nem sempre são fáceis de realizar.

Dentro desse quadro, a avaliação da aquisição de habilidades funcionais em idades precoces é de grande interesse para pais, educadores e terapeutas. Qualquer avaliação desse tipo é relevante para crianças que foram diagnosticadas ou que correm o risco de desenvolver alguma deficiência. A detecção precoce de distúrbios do desenvolvimento é essencial para o diagnóstico e intervenção precoces. O estudo observacional desde o nascimento fornecerá indicadores dessa detecção e intervenção precoce5. Atualmente existem várias ferramentas (inventários de desenvolvimento, escalas, testes, etc.) para medir o desenvolvimento nessas idades. Os instrumentos que podem ser aplicados atualmente são os inventários de desenvolvimento, alguns dos quais são padronizados. No entanto, alguns desses instrumentos podem exigir conhecimento de técnicas psicométricas e os resultados não são exibidos automaticamente na tela. Por isso, é importante desenvolver outras ferramentas mais fáceis de usar e interpretar.

   

Elaboração de software para gravação e interpretação de dados dos processos de observação contextual em idades precoces

O desenvolvimento do software foi, portanto, considerado de relevância, o que ajudaria os observadores (terapeuta, educador, etc.) a registrar e interpretar os resultados de suas observações. Este protocolo e software, eEarlyCare, podem ser utilizados tanto em centros educacionais que trabalham com crianças com deficiência quanto em centros de intervenção terapêutica voltados para esse grupo. É por isso que a partir de agora será utilizado o termo "usuário", que inclui tanto alunos quanto pacientes, dependendo do local onde a intervenção é realizada. Em particular, um software que pudesse facilitar o registro e a interpretação dos dados coletados em contextos naturais a partir da observação de habilidades funcionais entre crianças de 0 a 6 anos de idade. Este software, eEarlyCare, baseia-se na escala de habilidades funcionais6 [Escala para a medição de Habilidades Funcionais em crianças entre 0 e 6 anos de idade] (SFA); esta escala inclui a medição de 11 áreas de desenvolvimento (Autonomia Alimentar, Cuidados Pessoais e Higiene, Independentemente e vestidos e despir-se, controle de esfíncter, mobilidade funcional, comunicação e linguagem, jogo simbólico interativo, rotinas diárias, comportamento adaptável). Além disso, foi, por sua vez, inspirado no Guia Portage2,na Avaliação Pediátrica do Inventário de Incapacidade (PEDI)7, e nas obras de Bronson8,além do Pão Branco e Basilio4 sobre habilidades sociais com idades 0-6, a Escala Brunet-Lézine3, inventários de desenvolvimento para crianças de 0 a 67 anos, e a Escala de Avaliação dos precursores9 às habilidades sociais. Esta ferramenta é um aplicativo de computador que é usado para registrar os resultados de cada avaliação do usuário em acompanhamentos longitudinais (trimestral, mensal, anual, etc.). Trata-se de um aspecto referencial para o terapeuta no que diz respeito à intervenção, e para outros profissionais que trabalham com crianças na primeira infância com suspeita de disfuncionalidade. Além disso, o software10 pode produzir automaticamente comparações entre o desenvolvimento das habilidades funcionais de diferentes usuários, independentemente de estarem no mesmo centro de intervenção, facilitando assim a definição de aspectos comuns para o trabalho colaborativo.

Em particular, este software é baseado em tecnologias tradicionais (por exemplo, Windows Presentation Foundation Development-WPF-11), uma inovação tecnológica que integra gráficos avançados para produzir resultados gráficos precisos12 e uma experiência positiva de usuário de computador. A qualidade dos gráficos melhora as visualizações e a interatividade disponível com outras ferramentas, como planilhas. O aplicativo pode armazenar os dados localmente em bancos de dados relacionais e carregar as informações na nuvem a serem compartilhadas. Além disso, a arquitetura clássica cliente-servidor também é suportada. Esses recursos facilitam o registro dos dados coletados das observações e o processamento dos resultados para visualização. Além disso, uma vez registrado, é muito fácil exportar os dados. Isso permite que os dados sejam usados em pacotes estatísticos poderosos para aplicar técnicas de mineração de dados, como aprendizado de máquina supervisionado (classificação e/ou regressão) e aprendizado de máquina não supervisionado (agrupamento).

Neste estudo, as técnicas de classificação são de utilidade específica para aprendizagem personalizada13. A arquitetura pode ser vista na Figura 1 e Figura 2. Na Figura 1,a funcionalidade do armazenamento em nuvem é usada como uma salvaguarda, em caso de problemas de segurança de dados e perda potencial e corrupção de dados quando trocadas entre aplicativos. Além disso, o software também pode operar em uma arquitetura clássica de servidor de clientes baseada em rede com um banco de dados (Figura 2) com todas as trocas de dados ocorrendo entre os clientes (estes são conceitos que são usados no campo da ciência da computação). Essas plataformas fornecem mecanismos de autenticação e acesso restrito, que garantem privacidade e proteção de dados, facilitando a interação com aplicativos totalmente desenvolvidos. O resultado final é uma interface de aplicação que é projetada14 para profissionais de atenção precoce, para que eles possam usar as técnicas de Learning Analytics de forma simples e se referir a eles, a fim de acompanhar o grau de desenvolvimento de cada aluno em cada área de avaliação da escala15.

O aplicativo também oferece um perfil geral de cada usuário em cada uma das áreas funcionais e subáreas(Tabela 1). Também produz uma comparação entre todos os usuários em qualquer centro. Resumindo, produz uma análise personalizada das necessidades de intervenção dos diferentes usuários. Além disso, ajuda os profissionais de atenção precoce com seus programas de intervenção, pois pode sinalizar áreas em que os usuários podem ou não mostrar padrões de desenvolvimento semelhantes. Todos esses resultados orientam o tipo de programas de intervenção que podem ser utilizados em conjunto, em vez daqueles que devem ser projetados individualmente. Os dados que estão vinculados a esta interface são as pontuações SFA dos usuários que são medidos em uma escala Likert de 1 a 5. Esses escores podem ser comparados com os escores máximos de idade de desenvolvimento ligados a cada dimensão SFA. O software também pode vincular a idade cronológica de cada usuário à idade de desenvolvimento de cada dimensão SFA; um aspecto relevante para a detecção de áreas de intervenção denão para priorizar as áreas de tratamento.

Área funcional Subárea funcional
1. Autonomia alimentar 1. Textura de alimentos
2. Uso de utensílios
2. Cuidados pessoais e Higiene 3. Higiene Dental
4. Penteado
5. Cuidados nasais
6. Lavagem de mãos
7. Lavagem facial e corporal
3. Vestidos e despir-se independentemente 8. Vestir e despir (cintura para cima)
Vestir e despir (cintura para baixo)
4. Controle de esfíncter 9. Controle de esfíncter
5. Mobilidade funcional 10. Extremidade superior
11. Transferências em WC
12. Transferências em uma cadeira
13. Transferências de mobilidade e cama
14. Mobilidade na banheira
15. Mobilidade dentro de casa
16. Transporte de objetos
17. Mobilidade ao ar livre
6. Comunicação e Linguagem 18. Compreensão de palavras
19. Entendendo frases
20. Uso funcional da comunicação
7. Resolução de tarefas em contextos sociais 21. Resolver problemas
22. Informações sobre si mesmo
8. Jogo interativo e simbólico 23. Reprodução Interativa
24. Interação com o grupo de pares
25. Brinque com objetos
9. Rotinas diárias 26. Orientação no tempo
27. Lição de casa
10. Comportamento adaptativo 28. Comportamento de automutilação
29. heteroagressividade (prejudicando os outros)
30. Destruição de objetos
31. Comportamento disruptivo (chorar, gritar, rir sem razão)
32. Estereótipos
11. Atenção 33. Atenção

Tabela 1: Lista de áreas funcionais e subáreas.

Figure 1
Figura 1: Arquitetura da proposta de automação da correção da funcionalidade escala do armazenamento em nuvem. Clique aqui para ver uma versão maior desta figura.

Figure 2
Figura 2: Arquitetura da proposta de automação da correção da rede clássica de funcionalidade escala. Clique aqui para ver uma versão maior desta figura.

Terapeutas e profissionais de intervenção podem utilizar esse protocolo de avaliação e a implementação de software para avaliação de habilidades funcionais e seu desenvolvimento na primeira infância entre 0 e 6 anos de desenvolvimento. O software pode ser usado com crianças dentro dessa faixa etária, embora seja especialmente útil para crianças com suspeita de desenvolvimento prejudicado de habilidades funcionais. É igualmente útil especialmente em Centros de Educação Especial. A questão da Pesquisa é se, tendo observado as habilidades funcionais das crianças, o uso de uma ferramenta de computador facilitará o registro e a interpretação dos resultados para o terapeuta.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Este protocolo foi realizado em conformidade com as normas processuais do Comitê Bioético da Universidade de Burgos (Espanha). Antes de sua participação, tanto os alunos quanto seus pais e, em alguns casos, os tutores legais tinham todos fornecido seu consentimento informado e tinham sido plenamente informados dos objetivos do estudo. Nenhuma compensação financeira foi oferecida por sua participação.

1. Recrutamento de participantes

  1. Recrutar crianças entre 0 e 6 anos com histórico de necessidades educacionais especiais relacionadas à alteração nas áreas de desenvolvimento motor, cognitiva, autonomia pessoal e socialização e com deficiência intelectual moderada a grave. Foram recrutados para o presente estudo 11 participantes (7 meninos e 4 meninas).
  2. Incluem crianças que foram diagnosticadas com deficiência intelectual (moderada ou grave) de acordo com o Manual Diagnóstico e Estatístico de Transtornos Mentais (DSM-5)16 e frequentam um Centro de Educação Especial para sua escolaridade (Tabela 2).
    NOTA: Em cada caso (dependendo da detecção do problema e do local onde a intervenção é realizada), o diagnóstico deveria ter sido confirmado por um neurologista pediátrico em um hospital ou um psicólogo dentro de uma equipe multidisciplinar, de acordo com o DSM-5. Idealmente, não deve haver menos de 15 participantes, uma vez que a inserção dos resultados da observação é trabalhosa.
Sexo N Idade M IdadeSD Idade de classificação (meses) Incapacidade• Escolaridade
Grau
Um B C D
Rapazes 7 95.2 11.77 86-114 4 3 2 5
Meninas 4 83.5 23.56 45-112 1 3 2 2
NOTA:* Grau de incapacidade: a = deficiência intelectual moderada; b = deficiência intelectual grave; Tipo de Escolaridade: c = Escolaridade Combinada; d = Escolaridade em um Centro de Educação Especial Específico; M = Idade média em meses; SD = Desvio padrão. * As crianças foram diagnosticadas utilizando os critérios de DSM516

Tabela 2: Características da amostra.

  1. Excluem crianças com desenvolvimento normal em áreas funcionais (desenvolvimento motor, cognitivo, autonomia pessoal e socialização) e crianças com limitação de funcionamento intelectual.

2. Coleta de dados

  1. Coletar dados sobre o desenvolvimento das crianças em diferentes áreas funcionais (Autonomia Alimentar, Cuidados Pessoais e Higiene, Curativo e Despir-se Independentemente, Controle de Esfíncter, Mobilidade Funcional, Comunicação e Linguagem, Rotinas diárias, Comportamento Adaptativo e Atenção).
  2. Realizar a observação utilizando a Escala para a medição de habilidades funcionais (SFA)5 em crianças entre 0-6 anos (SFA) (Tabela de Materiais) e realizar a observação em um contexto natural (por exemplo, ambientes escolares).
  3. Registos ao longo da semana em diferentes ambientes naturais que refletem o cotidiano dos alunos do centro(Tabela 1) (por exemplo, durante a brincadeira, etc.).
    1. Que o professor ou o terapeuta atendam diretamente as crianças das instituições de ensino regissuem as observações. Reúna as observações para cada área funcional.
      NOTA: Antes da observação dos dados, três sessões de treinamento devem ser realizadas para professores ou terapeutas. Essas sessões devem ser conduzidas por um psicólogo ou um profissional com experiência em avaliação da primeira infância.
  4. Insira os resultados no software para avaliação de habilidades funcionais na primeira infância entre 0 e 6 anos de idade. Os detalhes sobre como usar o software são fornecidos na etapa 3.

3. Procedimento experimental

  1. Atribuindo um aluno a um professor no software
    NOTA: Essa etapa deve ser realizada pelo diretor ou coordenador do centro onde ocorre a intervenção.
    1. Faça login no pacote de software com um nome de usuário (profissional) e senha e selecione o idioma: inglês ou espanhol.
    2. Insira as informações dos dados dos alunos a partir dos registros mantidos pelo diretor do centro.
    3. Preencha as seguintes áreas para cada aluno: Nome, Sobrenome, Código, Sexo, Data de Nascimento, Idade do Desenvolvimento, Diagnóstico Primário, Diagnóstico Secundário, quando apropriado, e observações relevantes para dados de medicamentos, alergias e outras informações de interesse para a gestão do centro.
    4. Insira informações do professor ou terapeuta dos registros realizados no centro.
    5. Designar os alunos para um grupo com um professor (ou terapeuta) clicando em Sala de Aula. Vá para a coluna Alunos,escolha o aluno a ser designado para a sala de aula, clique em Professores e selecione um.
    6. Aloque cada grupo de alunos e seu professor (ou terapeuta) em uma sala de aula clicando em Professores , datasde entrada, nome, sobrenome, código de identificação, e-mail, senhas e observações. Clique em Aceitar.
      NOTA: O diretor ou coordenador do centro atribui uma função para cada professor ou terapeuta realizar as avaliações de cada aluno ou paciente (como explicado acima, depende do tipo de centro). O diretor ou coordenador do centro também pode consultar as avaliações que o professor ou terapeuta fez.
  2. Uso do software pelo professor
    NOTA: O professor ou terapeuta que realiza a avaliação pode então selecionar um ano acadêmico e/ou um termo. A escala oferece a possibilidade de selecionar diferentes áreas funcionais para cada termo(Tabela de Materiais).
    1. Faça login no software com o nome de usuário (profissional) e a senha anteriormente atribuída pelo diretor do centro.
    2. Insira os resultados das avaliações concluídas em ambientes naturais para cada participante designado para a sala de aula.
    3. Escolha um aluno no software clicando em seu nome e inicie a avaliação das diferentes áreas funcionais (detalhadas na etapa 2.3.1).
      NOTA: Os professores ou terapeutas podem interromper a avaliação de cada aluno a qualquer momento e continuar em outro momento, tendo salvo os dados que eles registraram.
    4. Realizar a análise comparativa entre o desenvolvimento de cada usuário e o desenvolvimento esperado nessa idade cronológica.
      1. Uma vez que os dados são registrados, selecione a coluna Avaliação clicando com o botão direito do mouse. Em seguida, selecione o ano e o trimestre.
      2. Selecione a coluna Alunos e selecione os alunos de uma classe de quem fazer a avaliação. Selecione a coluna Áreas clicando na área ou subárea que precisa ser avaliada.
      3. Clique na guia Máximo. Obtém as informações sobre os alunos e a comparação com o desenvolvimento esperado para sua idade.
        NOTA: Isso oferece um usuário (aluno ou paciente) ou perfil de desenvolvimento para uma determinada área funcional com um link comparativo aos maiores escores esperados para a idade cronológica do usuário (aluno ou paciente).
    5. Compare as diferentes áreas funcionais de cada usuário da sala de aula. Uma análise das áreas funcionais de cada usuário pode ser realizada com o software. Seguinte passo: uma vez que os dados são registrados, selecione a coluna Avaliação clicando com o botão direito do mouse. Em seguida, selecione o ano e o trimestre. Selecione a coluna Alunos e selecione os alunos de todas as classes. Selecione as áreas da coluna e clique na área ou subárea para avaliar.
      1. Clique na guia Máximo. Ele obtém o desenvolvimento dos alunos e a comparação com o desenvolvimento esperado para sua idade.
  3. Exportando dados do software
    1. Selecione os dados do usuário e as áreas funcionais e exporte o banco de dados. Selecione a coluna Excel para obter o banco de dados. Exporte o banco de dados no programa de estatísticas ou biblioteca de escolha.
    2. Importe os dados em pacotes estatísticos e bibliotecas como SPSS, Weka, python's scikit-learn, etc. e realize análises de clustering. Aqui, a análise com SPSS é detalhada como abaixo.
      NOTA: A análise de cluster ou cluster é uma técnica de aprendizagem de máquina 'não supervisionada', e, dentro de k-significa, é um método de agrupamento, que visa dividir um conjunto de n observações em grupos K, em que cada observação pertence ao grupo com o valor médio mais próximo. Neste experimento, k-significa clustering foi usado para verificar os clusters de crianças e seu desenvolvimento funcional medido com SFA.
      1. Selecione a opção Analisar e Classificar seguido pela opção k-significa cluster no pacote estatístico.
      2. Selecione as alterações cruzadas em Estatística Descritivae as seguintes duas variáveis: a variável cluster de 'pertencente a um grupo' e a variável grau ('moderada' ou 'grave').
        NOTA: Essa correspondência é importante, pois oferece ao professor ou terapeuta informações sobre o desenvolvimento funcional homogêneo dos usuários que vai além do diagnóstico, fornecendo informações para propor programas de intervenção semelhantes em algumas áreas de desenvolvimento funcional. Espera-se que essa opção facilite o uso pleno do serviço educacional ou terapêutico e seus recursos pessoais e materiais.
      3. Selecione a opção Estatísticas Descritivas e selecione crosstabs e a opção Coeficiente Cohen Kappa.
        NOTA: O coeficiente Cohen Kappa é uma estatística que mede o acordo inter-rater para itens qualitativos (categóricos). Acredita-se geralmente ser uma medida mais robusta do que os cálculos simples do acordo por cento, já que k explica a possibilidade do acordo ocorrer por acaso. Este coeficiente fornece um indicador da confiabilidade da relação encontrada entre a classificação diagnóstica em deficiências intelectuais moderadas a graves e o agrupamento dos resultados de desenvolvimento obtidos com o software.
    3. Use a planilha para gerar o gráfico de aranhas e gráficos de barras específicos para os grupos de crianças com deficiência intelectual moderada e grave.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

O presente estudo recrutou 11 participantes com diagnósticos confirmados [ambos moderados (quociente de desenvolvimento = DQ 40-65) e graves (DQ 39-60) deficiência intelectual]. O protocolo foi testado em um projeto piloto por mais de 20 meses em um Centro de Educação Especial. Todos os diagnósticos deste estudo foram confirmados por uma equipe multidisciplinar de acordo com o DSM-5, utilizando a Escala Brunet Lézine, pois o grau de afetação estava além do escopo de outras escalas, como a Pré-Escola Wechsler e a Escala Primária de Inteligência (WPPSI). No entanto, as idades dos participantes ultrapassaram ligeiramente a idade cronológica de 6º (Tabela 2). As ações realizadas e os tempos de aplicação neste estudo podem ser encontrados na Tabela 3.

Área funcional Tempo Localização Responsável*
Autonomia Alimentar 1 semana Durante as refeições em contextos naturais. Professor ou Terapeuta
Cuidados Pessoais e Higiene 1 semana Nas atividades de cuidado e higiene em contextos naturais. Professor ou Terapeuta
(centro ou casa)
Vestir-se e despir-se independentemente 1 semana Durante a tarefa de vestir e despir-se em contextos naturais. Professor ou Terapeuta
(centro ou casa)
Controle de esfíncteres 1 semana Durante o dia no contexto natural. Professor ou Terapeuta
(centro ou casa)
Mobilidade funcional 1 semana Durante as atividades do cotidiano em contextos naturais. Professor ou Terapeuta
(centro ou casa)
Comunicação e linguagem 1 semana Durante as atividades do cotidiano em contextos naturais. Professor ou Terapeuta
(centro ou casa)
Resolução de tarefas em contextos sociais 1 semana Durante atividades de vida diária em contextos naturais Professor ou Terapeuta
(centro ou casa)
Jogo interativo e simbólico 1 semana Situações de jogo simbólico em contextos naturais., Professor ou Terapeuta
(centro ou casa)
Rotinas diárias 1 semana Durante as atividades do cotidiano em contextos naturais. Professor ou Terapeuta
(centro ou casa)
Comportamento adaptativo 1 semana Durante as atividades do cotidiano em contextos naturais. Professor ou Terapeuta
(centro ou casa)
Atenção 1 semana Durante as atividades do cotidiano em contextos naturais. Professor ou Terapeuta
(centro ou casa)
NOTA: *Ou o professor ou o terapeuta irão contrapor os resultados das observações reunidas no centro com as informações coletadas da família, para ver se há alguma discrepância. Acordo prévio e consentimento sempre foram procurados da família, antes da observação em casa em contextos naturais que foram registrados em formato de vídeo para posterior análise. O número de observações foi estabelecido de acordo com o tipo de capacidade funcional, estabelecendo o critério de diferentes observações durante uma semana em um contexto natural (centro ou casa).

Tabela 3: Processo de observação em diferentes áreas funcionais.

Uma análise comparativa pode ser realizada assim que o profissional (professor ou terapeuta) insere os dados no software. Mostra-se o desenvolvimento de usuários (alunos ou pacientes) da mesma sala de aula nas diferentes dimensões da escala.

Neste estudo, apresentamos alguns exemplos de análise de dados com o protocolo observacional aliado ao uso do software. Primeiro realizamos uma análise de cluster, a fim de verificar se os diagnósticos de deficiência intelectual média e grave das crianças com necessidades educacionais especiais correspondiam ao seu desenvolvimento real. Usando o método k-means, encontramos 2 aglomerados pertencentes a qualquer grupo. O Cluster 1 e o Cluster 2 integraram 55% e 45% da amostra, respectivamente. Em seguida, foi construída uma mesa cruzada para estudar a relação entre a adesão a um grupo de grupo e o variável "grau de incapacidade". Verificou-se que todos os sujeitos agrupados no Grupo 1 pertenciam ao grupo A) (deficiência intelectual moderada) e o Cluster 2 incluía todos os alunos pertencentes ao grupo b) (deficiência intelectual grave) e havia apenas um com deficiência intelectual moderada(Tabela 4). Obteve-se um coeficiente Cohen Kappa = 0,820 p = 0,006.

Número do caso do cluster Total
1 2
Deficiência Um 5 0 5
B 1 5 6
Total 6 5 11

Tabela 4: Número do caso do cluster de incapacidade da mesa cruzada.

O software pode, portanto, registrar o desenvolvimento das habilidades funcionais das crianças em tratamento no mesmo centro (educação ou terapia) e pode determinar níveis semelhantes e diferentes de desenvolvimento. Esse aspecto é muito importante, pois facilitará a aplicação de programas de intervenção semelhantes entre crianças com necessidades semelhantes, o que, por sua vez, facilitará a intervenção personalizada e o uso eficiente dos recursos.

Com essa análise, pode-se realizar um estudo das habilidades dos participantes de cada grupo funcional (deficiência moderada versus deficiência grave). Tanto o Spider quanto os gráficos de barras específicos foram usados para este fim ver Figura 3 e Figura 4.

Figure 3
Figura 3: Análise comparativa entre o desenvolvimento de cada usuário (aluno ou paciente) e o desenvolvimento esperado em crianças com diversas deficiências intelectuais.
(A) Autonomia Alimentar, (B) Cuidados Pessoais e Higiene, (C) Vestido independente e despir-se, (D) Controle de esfíncter, (E) Mobilidade funcional, (F) Comunicação e Linguagem, (G) Jogo interativo e simbólico, (H) Rotinas diárias de vida, (I) Comportamento adaptativo. Linha azul indica pontuação de aquisição de habilidades. A linha de granada indica pontuação máxima. Barras de erro incluídasem A , B, C, D, E, F, G, H e I. As barras de erro são representações gráficas da variabilidade dos dados, uma barra de erro indica a incerteza de um valor. O eixo x representa os participantes (com diversas deficiências intelectuais) e o eixo y representa os escores obtidos em cada área funcional. O gráfico da aranha mostra o desenvolvimento comparativo dos participantes em cada área funcional. Clique aqui para ver uma versão maior desta figura.

Figure 4
Figura 4: Análise comparativa entre o desenvolvimento de cada usuário (aluno ou paciente) e o desenvolvimento esperado em crianças com deficiência moderada.
(A) Autonomia Alimentar, (B) Cuidados Pessoais e Higiene, (C) Vestido independente e despir-se, (D) Controle de esfíncter, (E) Mobilidade funcional, (F) Comunicação e Linguagem, (G) Jogo interativo e simbólico, (H) Rotinas diárias de vida, (I) Comportamento adaptativo. Linha azul indica pontuação de aquisição de habilidades. A linha de granada indica pontuação máxima. Barras de erro incluídasem A , B, C, D, E, F, G, H e I. As barras de erro são representações gráficas da variabilidade dos dados, uma barra de erro indica a incerteza de um valor. O eixo x representa os participantes (com deficiência intelectual moderada) e o eixo y representa os escores obtidos em cada área funcional. O gráfico da aranha mostra o desenvolvimento comparativo dos participantes em cada área funcional. Clique aqui para ver uma versão maior desta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Ao utilizar o software, recomenda-se que o professor ou terapeuta regise o desenvolvimento das habilidades funcionais de cada criança ao longo de pelo menos duas sessões. A escala contém 114 itens, 11 áreas funcionais, que são divididas em 33 subáreas funcionais e a avaliação deve ser resultado da observação em contextos naturais. Além disso, o software permite que os profissionais de atenção precoce regissuem dados de avaliação com facilidade e analisem os dados exibidos em gráficos individuais e em grupo, destacando o desenvolvimento dos usuários, alunos ou pacientes, atribuídos à sala de aula em todas as áreas funcionais e subáreas.

O software também facilita a exportação de dados de um centro e sala de aula para arquivos de texto (por exemplo, .csv, .json,) e outros formatos de planilha (por exemplo, .xlsx), facilitando sua transferência para pacotes estatísticos, e bibliotecas específicas de Machine Learning, onde é possível realizar outras análises mais complexas, como análise de cluster, diferenças médias com estatísticas paramétricas e/ou não paramétricas, e análises de confiabilidade do software para essa amostra, entre muitas outras. Neste caso, aplicamos estatísticas não paramétricas com pacotes de software estatístico.

O uso do software foi testado apenas em um centro, de modo que o trabalho está em andamento para estender sua aplicação para outros centros de atendimento para usuários com deficiência. Da mesma forma, e sob uma perspectiva de melhoria contínua, também está em andamento um trabalho para desenvolver uma segunda fase do software, na qual será oferecida a possibilidade de implementação de programas de estimulação precoce individualizados, com base na detecção da área funcional mais afetada ou áreas de desenvolvimento que serão geradas automaticamente. Esses programas incluirão os comportamentos a serem implementados em ordem hierárquica de necessidade de aquisição, bem como diretrizes específicas para intervenção, os materiais necessários, tempo e espaço para as atividades de implementação e generalização, e um modelo de monitoramento e avaliação semelhante ao apresentado para a fase de avaliação.

Vale ressaltar que a utilização de um protocolo para observação de habilidades funcionais que não ofereciam processamento automatizado das informações a serem interpretadas pelo profissional, não poderia nem obter os resultados para sua interpretação em tempo real, nem realizar as análises estatísticas que orientassem a prática subsequente de intervenção terapêutica.

Como conclusão geral, pode-se notar que o uso do software facilitou tanto a gravação quanto a interpretação dos resultados pelos terapeutas. Esses aspectos funcionais foram altamente valorizados de forma muito positiva, tanto pelo diretor do centro quanto pelos terapeutas participantes deste estudo.

Este método tem pouquíssimas limitações em sua implementação, tanto em termos de recursos materiais (características de computador, requisitos de aplicação) quanto de recursos pessoais (grau de conhecimento prévio para utilização do aplicativo de software e para a interpretação dos resultados pelo profissional que registra as observações). O uso do aplicativo não é complicado. A dificuldade mais importante pode ser encontrada no processamento do banco de dados com pacotes estatísticos, momento em que são necessárias habilidades mais sofisticadas de cálculo e cálculo de dados.

Da mesma forma, e do ponto de vista da melhoria contínua, está em andamento um trabalho para desenvolver uma segunda fase do software, na qual será oferecida a possibilidade de implementação de programas de estimulação precoce individualizados com base na detecção da área funcional mais afetada ou áreas de desenvolvimento que serão geradas automaticamente. Esses programas incluirão os comportamentos a serem implementados em ordem hierárquica de necessidade de aquisição, bem como diretrizes específicas para intervenção, materiais necessários, tempo e espaço para a implementação e generalização das atividades, e um modelo de monitoramento e avaliação semelhante ao apresentado na fase de avaliação.

O uso da ferramenta aqui apresentada e as melhorias propostas, além do trabalho de campo em instituições que trabalham com crianças com alguma afetação de desenvolvimento, servirão ao trabalho de pesquisadores nessa área e também para uso programado de instituições governamentais, pois facilita tanto o registro quanto a interpretação dos resultados.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Os autores declaram que não têm interesses financeiros concorrentes.

Acknowledgments

Agradecemos à Vice-Reitoria de Pesquisa e Transferência de Conhecimento da Universidade de Burgos por viabilizar o desenvolvimento do software por meio da "VI Edición Convocatoria Prueba Concepto: Impulso a la valorización y comercialización de resultados de investigação" [VI Edição do Edital de Prova de Conceito: Impulso à valorização e comercialização dos resultados da pesquisa]. Agradecemos também à Área de Programas Educacionais da Diretoria Provincial de Educação e ao Centro de Educação Especial "Frei Pedro Ponce de León", tanto em Burgos (Espanha), quanto às famílias das crianças que concordaram em participar deste estudo piloto com consentimento prévio informado, sem cuja colaboração o software (eEarlyCare) não teria sido possível. O vídeo foi editado pelo técnico da TVUBU Alberto Calvo Rodríguez e a narração foi feita por Caroline Martin, do Departamento de Filologia Inglesa da Universidade de Burgos.

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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please sign in or create an account.

    Usage Statistics