教师和教育工作者对自闭症群体的人工干预的经验和看法| BMC心理学
线人 该研究采用有目的抽样的方式选择了 20 名符合特定标准的知情人。 这些人是自闭症儿童的父母或教育者，拥有使用人工智能干预措施来提高孩子的学习和社交沟通技能的宝贵经验。 他们都是居住在伊朗德黑兰的伊朗人。 30% (n = 6) 为女性，70% (n = 14) 为男性。 该研究的参与者年龄范围从 29 岁到 58 岁。 教师教学经验均在8年以上。 通过多种渠道和社交媒体平台进行招聘工作，以确保样本的多样性和代表性。 在整个招募过程中，潜在参与者充分了解了研究的目的、程序和可能的好处。 他们还被告知作为参与者的权利和保密保证。 为了确认他们参与的意愿，在正式纳入研究之前，要求知情者提供书面同意。 数据采集 该研究使用半结构化访谈和焦点小组来收集受访者的数据。 研究人员制定了访谈问题（附录），由三名定性研究人员组成的小组审查了其相关性。 访谈以面对面或虚拟形式单独进行，每次持续约 45-60 分钟。 还组织了由 3-5 名参与者组成的焦点小组，几乎或亲自进行。 焦点小组讨论的持续时间为 60 至 90 分钟。 在数据收集过程中，访谈和焦点小组会议均被录音，以准确捕捉参与者的反应和见解。 这些录音后来被逐字转录，以便对收集的数据进行全面分析。 通过半结构化访谈和焦点小组，该研究旨在获取参与者关于使用人工智能辅助干预措施支持自闭症儿童的学习和社交沟通技能的经验和观点的完整而详细的信息。 访谈的半结构化性质允许灵活地探索不同的主题，同时确保所有参与者都有一致的数据收集框架。 此外，焦点小组的动态和互动性质鼓励小组讨论，并允许参与者分享和相互借鉴。 数据分析 在数据收集阶段之后，该研究彻底分析了收集到的信息。 采访和焦点小组会议的录音被逐字转录，形成一个全面的文本数据集，捕捉参与者的反应和见解。 分析从彻底的熟悉过程开始，研究人员沉浸在转录数据中，深入了解参与者的账户。 这种沉浸使研究人员能够识别数据集中反复出现的主题、模式和值得注意的信息。 采用系统分析方法来确保可靠性和有效性。 数据使用归纳法和演绎法的组合进行编码。 首先，进行了开放编码过程，研究人员通过仔细检查数据并标记有意义的片段来生成初始代码。 随着分析的进行，这些代码被细化、分组并组织成类别和子类别，从而创建了编码框架。 编码后，研究人员通过从数据中识别总体主题来进行主题分析。 这些主题代表了参与者分享的关于使用人工智能辅助干预措施支持自闭症儿童的学习和社交沟通技能的重要概念、想法和观点。 […]