Ferramenta para classificação dos tipos de transtornos por déficit de atenção/hiperatividade

Este artigo apresenta uma ferramenta web que avalia e classifica os alunos que apresentam características de transtorno por déficit de atenção/hiperatividade. A identificação do tipo de transtorno é importante, pois é necessário desenvolver atividades específicas para cada classe de transtorno, visa...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Ramos Alves, Camila, Quadros Mansanera, Cristiane de, Mady Nunes, Robert, Moreira Alves, Thiago, Oliveira, Fernando Luiz de
Formato: Objeto de conferencia
Lenguaje:Portugués
Publicado: 2007
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/22693
Aporte de:
id I19-R120-10915-22693
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Portugués
topic Ciencias Informáticas
Educación
déficit de atenção
redes bayesianas
Learning
Trastornos del Aprendizaje
Grado de Concentración
bayesian networks
attention deficit
spellingShingle Ciencias Informáticas
Educación
déficit de atenção
redes bayesianas
Learning
Trastornos del Aprendizaje
Grado de Concentración
bayesian networks
attention deficit
Ramos Alves, Camila
Quadros Mansanera, Cristiane de
Mady Nunes, Robert
Moreira Alves, Thiago
Oliveira, Fernando Luiz de
Ferramenta para classificação dos tipos de transtornos por déficit de atenção/hiperatividade
topic_facet Ciencias Informáticas
Educación
déficit de atenção
redes bayesianas
Learning
Trastornos del Aprendizaje
Grado de Concentración
bayesian networks
attention deficit
description Este artigo apresenta uma ferramenta web que avalia e classifica os alunos que apresentam características de transtorno por déficit de atenção/hiperatividade. A identificação do tipo de transtorno é importante, pois é necessário desenvolver atividades específicas para cada classe de transtorno, visando assim, amenizar as dificuldades de aprendizagem deste grupo de alunos, uma vez que estes tendem a apresentar um atraso na aprendizagem escolar em relação aos alunos que não apresentam características de déficit de atenção/hiperatividade. A finalidade da ferramenta é auxiliar na classificação do tipo de disfunção que possivelmente compromete o nível de atenção dos alunos nas aulas, oportunizando ao professor que atua com estes alunos, maior compreensão acerca da caracterização destas crianças.
format Objeto de conferencia
Objeto de conferencia
author Ramos Alves, Camila
Quadros Mansanera, Cristiane de
Mady Nunes, Robert
Moreira Alves, Thiago
Oliveira, Fernando Luiz de
author_facet Ramos Alves, Camila
Quadros Mansanera, Cristiane de
Mady Nunes, Robert
Moreira Alves, Thiago
Oliveira, Fernando Luiz de
author_sort Ramos Alves, Camila
title Ferramenta para classificação dos tipos de transtornos por déficit de atenção/hiperatividade
title_short Ferramenta para classificação dos tipos de transtornos por déficit de atenção/hiperatividade
title_full Ferramenta para classificação dos tipos de transtornos por déficit de atenção/hiperatividade
title_fullStr Ferramenta para classificação dos tipos de transtornos por déficit de atenção/hiperatividade
title_full_unstemmed Ferramenta para classificação dos tipos de transtornos por déficit de atenção/hiperatividade
title_sort ferramenta para classificação dos tipos de transtornos por déficit de atenção/hiperatividade
publishDate 2007
url http://sedici.unlp.edu.ar/handle/10915/22693
work_keys_str_mv AT ramosalvescamila ferramentaparaclassificacaodostiposdetranstornospordeficitdeatencaohiperatividade
AT quadrosmansaneracristianede ferramentaparaclassificacaodostiposdetranstornospordeficitdeatencaohiperatividade
AT madynunesrobert ferramentaparaclassificacaodostiposdetranstornospordeficitdeatencaohiperatividade
AT moreiraalvesthiago ferramentaparaclassificacaodostiposdetranstornospordeficitdeatencaohiperatividade
AT oliveirafernandoluizde ferramentaparaclassificacaodostiposdetranstornospordeficitdeatencaohiperatividade
bdutipo_str Repositorios
_version_ 1764820467479216130