Summary

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

Published: June 20, 2020
doi:

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

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.

Protocol

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 Rekru…

Representative Results

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 Prim…

Discussion

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…

Disclosures

The authors have nothing to disclose.

Acknowledgements

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

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

References

  1. Sáiz, M. C., Gómez, A., Viguer, P., Cantero, M. J. 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]. , 117-133 (2003).
  2. Bluma, M. S., Shearer, M. S., Frohman, A. H., Hilliard, J. M. . Portage Guide to Early Education (2nd Edition). , (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. , (1997).
  4. Newborg, J. . Battelle Developmental Inventory, 2nd Edition: Examiner’s manual. , (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.). , (2012).
  8. Bronson, M. B. . Self-regulation In Early Childhood. , (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, J. F., Díez-Pastor, . eEarlyCare Computer application. , (2019).
  11. Chowdhury, K. . Windows Presentation Foundation Development Cookbook. (1st Edition). , (2018).
  12. Nogal, F., Marticorena, R. . UBUGrades 2.0. Doctoral Degree dissertation. , (2018).
  13. Sáiz, M. C., Marticorena, R., Arnaiz-Gonzalez, &. #. 1. 9. 3. ;., 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. , 5322-5328 (2019).
  14. Hartson, R., Pyla, P. S. . The UX book: Process and guidelines for ensuring a quality user experience. , (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). , (2013).

Play Video

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).

View Video