Centre de Documentation Campus Montignies
Horaires :
Lundi : 8h-18h30
Mardi : 8h-18h30
Mercredi 9h-16h30
Jeudi : 8h-18h30
Vendredi : 8h-16h30
Votre centre de documentation fermera de 12h30 à 13h ce vendredi 28 juin et fermera à 14h30.
Dès ce lundi 1er juillet jusqu'au mercredi 10 juillet l'horaire du centre de documentation sera adapté :
Lundi 1er juillet : de 8h à 12h et de 12h30 à 16h
Mardi 2 juillet : de 8h à 12h15
Mercredi 3 juillet : de 9h à 12h et de 12h30 à 15h15
Jeudi 4 juillet : de 8h à 12h30 et de 13h à 18h30
Lundi 8 juillet : de 8h à 12h et de 12h30 à 16h
Mardi 9 juillet : de 8h à 12h15
Réouverture dès ce lundi 19 août.
Bienvenue sur le catalogue du centre de documentation du campus de Montignies.
[article]
Titre : |
L’efficacité de l’analyse des traits sémantiques : une revue systématique fondée sur des preuves |
Type de document : |
texte imprimé |
Auteurs : |
Katie M. Maddy, Auteur ; K.L. McComas, Auteur ; Gilson Joanne Capilouto, Auteur |
Année de publication : |
2014 |
Article en page(s) : |
p. 254-267 |
Langues : |
Anglais (eng) Français (fre) |
Mots-clés : |
Sémantique Aphasie Recherche Analyse des traits sémantiques,Aphasie,Anomie,Traitement,Recherche systématique |
Résumé : |
Objectifs : Cette revue examine l’efficacité de l’analyse des traits sémantiques comme intervention visant à améliorer les capacités de désignation de personnes atteintes d’aphasie.
Méthodes : Une recherche systématique de la littérature a repéré 11 études correspondant à des critères d’inclusion prédéterminés. Deux évaluateurs indépendants ont noté chaque étude en termes de qualité méthodologique et de niveau de preuve en utilisant l’échelle Single Case Experimental Design (SCED). Afin de déterminer le degré d’efficacité clinique, des ampleurs de l’effet utilisant le d de Cohen étaient calculées à condition de disposer d’un nombre suffisant de données disponibles. Sinon, le pourcentage de données mutuellement exclusives était calculé.
Résultats : Les résultats ont indiqué que des recherches méthodologiquement valables avaient été conduites en vue de déterminer l’efficacité de l’analyse des traits sémantiques chez les aphasiques, analyse qui appliquait des plans de recherche centrés sur un sujet unique. Lors de l’utilisation du d de Cohen, la majorité des participants n’ont présenté qu’une petite ampleur de l’effet. Or dès que le pourcentage de données mutuellement exclusives a été calculé, un effet traitement important a été constaté chez la plupart des participants.
Conclusions : L’analyse des traits sémantiques a constitué une intervention efficace dans le cadre de l’amélioration de la désignation par rapport au mot cible (confrontational naming) de la majorité des participants figurant dans cette revue. D’autres recherches pourraient examiner des effets de généralisation. |
Permalink : |
./index.php?lvl=notice_display&id=29829 |
in Annals of physical and rehabilitation medicine > Vol. 57, n°4 (June 2014) . - p. 254-267
[article] L’efficacité de l’analyse des traits sémantiques : une revue systématique fondée sur des preuves [texte imprimé] / Katie M. Maddy, Auteur ; K.L. McComas, Auteur ; Gilson Joanne Capilouto, Auteur . - 2014 . - p. 254-267. Langues : Anglais ( eng) Français ( fre) in Annals of physical and rehabilitation medicine > Vol. 57, n°4 (June 2014) . - p. 254-267
Mots-clés : |
Sémantique Aphasie Recherche Analyse des traits sémantiques,Aphasie,Anomie,Traitement,Recherche systématique |
Résumé : |
Objectifs : Cette revue examine l’efficacité de l’analyse des traits sémantiques comme intervention visant à améliorer les capacités de désignation de personnes atteintes d’aphasie.
Méthodes : Une recherche systématique de la littérature a repéré 11 études correspondant à des critères d’inclusion prédéterminés. Deux évaluateurs indépendants ont noté chaque étude en termes de qualité méthodologique et de niveau de preuve en utilisant l’échelle Single Case Experimental Design (SCED). Afin de déterminer le degré d’efficacité clinique, des ampleurs de l’effet utilisant le d de Cohen étaient calculées à condition de disposer d’un nombre suffisant de données disponibles. Sinon, le pourcentage de données mutuellement exclusives était calculé.
Résultats : Les résultats ont indiqué que des recherches méthodologiquement valables avaient été conduites en vue de déterminer l’efficacité de l’analyse des traits sémantiques chez les aphasiques, analyse qui appliquait des plans de recherche centrés sur un sujet unique. Lors de l’utilisation du d de Cohen, la majorité des participants n’ont présenté qu’une petite ampleur de l’effet. Or dès que le pourcentage de données mutuellement exclusives a été calculé, un effet traitement important a été constaté chez la plupart des participants.
Conclusions : L’analyse des traits sémantiques a constitué une intervention efficace dans le cadre de l’amélioration de la désignation par rapport au mot cible (confrontational naming) de la majorité des participants figurant dans cette revue. D’autres recherches pourraient examiner des effets de généralisation. |
Permalink : |
./index.php?lvl=notice_display&id=29829 |
| ![L’efficacité de l’analyse des traits sémantiques : une revue systématique fondée sur des preuves vignette](data:image/gif;base64,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) |
Exemplaires (1)
|
Revue | Revue | Centre de Documentation HELHa Campus Montignies | Armoires à volets | Document exclu du prêt - à consulter sur place Exclu du prêt |