これらのプロトコルは、彼らの参加前にブルゴススペイン大学の生物倫理委員会の手続き規則に準拠していました, 学生とその両親の両方, いくつかのケースで, 法的家庭教師はすべて彼らのインフォームドコンセントを提供していたし、私は研究の目的を十分に認識していました.彼らの参加に対する金銭的な補償は提供されなかった。プロトコルは、30〜60世帯で、機能能力の測定のためのスケールで結果の記録と解釈のためのソフトウェアの使用を分析します。
これらのスケールは、機能能力を分析します, それは11の領域に分布しています.サーバーは、各能力の進化の発展を比較するユーザーの機能的な開発の記録解釈を可能にする。それは何もないものからすべてに、1から5までより軽いスケールで測定される。
このツールは、トレーニングプログラムの実装における機能スキルガイドの開発における問題の検出を容易にし、その結果、そのようなプログラム内のユーザーの監視を容易にします。このサーバーを使用する前に、教師の治療は薬物の文脈で異なる能力を果たすことができません。また、これらの結果を保護者の情報、参加者募集と比較することもできます。
運動発達、認知、個人の自律性、社会化、中等度から重度の知的障害の分野における変化に関連する特別な教育ニーズの歴史を持つ、発達年齢の0〜6年の間に子どもを募集する。本研究では、合計11人の参加者、7人の男の子と4人の女の子が募集されました。精神障害の診断および統計マニュアルに従って中等度または重度の知的障害の診断を示し、学校教育のための特別教育センターに通う子供を含める。
診断は、いずれの場合も、DSM-5に従って学際的なチームに代わって病院または心理学者の小児神経科医によって確認されるべきである。理想的には、少なくとも15人の参加者がいるはずです。機能領域、運動認知、個人の自律性、社会化の発達、および知的機能の制限を持つ子供を除く。
データ収集。異なる機能領域、食品の自律性、パーソナルケアと衛生、ドレッシングと脱衣独立して、括約筋制御、機能的移動性、コミュニケーションと言語、日常生活ルーチン、適応行動と注意の子供たちの発達に関するデータを収集します。0~6歳の子供の機能能力測定尺度を用いた観察と、自然な文脈でのデオ観察を行う。
たとえば、学校教育の設定です。センターの学生の日常生活を反映した異なる自然環境で一週間を通して記録観察。例えば、遊んでいる間、エトセトラ。
教育機関で子供に直接出席する教師とセラピストは、観察を記録し、ソフトウェアに結果を入れてみましょう。実験手順。ソフトウェアの教師に生徒を割り当てる。
このステップは、一般的にプログラムのコーディネーターとして、スタディディレクターによって異常に実行されます。ユーザー名とパスワードでソフトウェアパッケージにログインし、英語またはスペイン語の言語を選択します。センター長の登録者の助けから学生データに関する情報を入力します。
各生徒の次のフィールドに記入します。名前、サー名、コード、性別、生年月日、発達年齢、一次診断、適切な場合は二次診断、調停、データ、アレルギーその他の情報またはセンターの管理に関連する観察。センターで記録された教師またはセラピストに関する情報を入力します。
教室をクリックして教師またはセラピストとグループに教師を割り当て、教室に割り当てる生徒を選択し、教師をクリックして、教師の入力日、名前、姓、識別コードをクリックして、生徒とその教師またはセラピストの各グループを教室に割り当てます、メール、パスワード、観察。次に、[ディレクターを受け入れる]をクリックして、学生の評価に対する責任を各教師に任すことができます。ディレクターは、教員が学年を通じていつでもソフトウェアに入力する評価を相談することができます。
教師によるソフトウェアの使用。評価を行う教師またはセラピストは、学年、または用語を選択できます。スケールは、各用語のための異なる機能領域を選択する可能性を提供しています, ディレクターが以前に割り当てることができるユーザー名とパスワードでソフトウェアにログイン.
教室に割り当てられた各参加者の自然環境で完了した評価の結果を入力します。ソフトウェアの生徒を選択するには、その生徒の名前をクリックし、別の機能領域の評価を開始します。各ユーザーの開発と、その年代の予想開発との比較分析を行う。
この手順に従って、これを行います。データが登録されたら、年を右クリックして列の評価を選択し、三半期は列の学生を選択し、評価を行うクラスの学生を選択します。次に、列領域を選択し、評価する必要がある領域とサブ領域をクリックします。
次に、最大タブをクリックします。生徒の育成と年齢に期待される開発の比較を受け入れ教室から各ユーザーの機能領域を比較する 各ユーザーの機能領域の分析ソフトウェアを使用して実行できます。ソフトウェアからデータをエクスポートする。
ユーザー データと機能領域を選択し、データベースをエクスポートします。列 Excel を選択し、データベースを取得し、選択した統計プログラムまたはライブラリでデータベースをエクスポートします。SPSS、弱い、Python、etceteraなどの統計パッケージとライブラリにデータをインポートし、クラスタリング分析を実行します。
ここでは、SPSSによる分析は以下の通り詳述する。K内の教師なし機械学習技術Nにおけるクラスタリングまたはクラスタ分析は、N観測値のセットをKグループに分割することを目的とするグループ化方法であることを意味し、N観測値は、より近い平均値を持つグループに属する。この実験Kは、クラスタリングを使用してSFAで測定された子のクラスターとその機能発達をチェックすることを意味する オプションを分析し、次にオプションを分類し、続いて分類する。
K は、統計パッケージ内のクラスターを意味します。記述統計の下でクロス・タブを選択し、次の 2 つの変数を選択します。説明統計オプションを選択し、クロスタブを選択し、コーエン・カッパ係数オプションを選択します。
スプレッドシートを使用して、中等度および重度の知的障害を持つ子供のグループのスパイダーチャットと特定の棒グラフを生成します。結果。本研究では、ソフトウェアアプリケーションの使用と相まって、観測プロトコルを用いたデータ分析の例を紹介する。まず、教育ニーズを持つ子どもの中身・重度の知的障害の診断が実際の発達に対応しているかどうかを確認するため、クラスター分析を行います。
K平均法を用いて、どちらかのグループに属する2つのクラスターを見つけました。クラスター 1 とクラスター 2 は、それぞれサンプルの 55% と 45% を統合しました。その後、属するクラスターと障害クラスターの可変度との関係を調べるためにクロステーブルを生成した。
クラスター1にグループ化されたすべての被験者は、グループA、中程度の知的障害、およびクラスター2にグループBに属するすべての学生、重度の知的障害に属していることが判明しました。そして、中程度の知的障害を持つ人は1人しかいなかった。表3、コーエンカッパ係数820、p=006を参照してください。
この研究の分析を進め、各官能群の参加者の能力、中等障害と重度の障害の能力を実行することができる。スパイダーチャートと特定の棒グラフは、この目的のために使用されました。結論。このサーバーは、データの公言や組織セラピストへの充填に関する法律が記録され、リアルタイムで実質的に分析されるため、自然環境におけるAustro血管障害の研究を改善します。
また、ソフトウェアは、特定の形式でファイルに教室上のセンターからデータのエクスポートを容易にし、静電気ページへの挿入を容易に終了し、そのサンプルのためのサーバーの信頼性の分析をパラミックまたはノーパラミック研究と異なる手段のクラスター分析などの他のより複雑な分析を行うことが可能です。
