Browsing by Issue Date, starting with "2025-01-30"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- Exploring the Relationship Between Wall Drop Punt Kick and Catch (Tripela Sports) Performance and Manipulative Tests of the Motor Competence Assessment Battery in Early AdolescentsPublication . Matos, Rui; Amaro, Nuno; Lopes, Nataniel; Costa, Pedro; Jacinto, Miguel; Rodrigues, Filipe; Antunes, Raul; Coelho, Luís; Ibáñez, Sergio J.; Estevan, Isaac; Monteiro, DiogoOur aim in this study was to analyze associations between the two manipulative tests of the Motor Competence Assessment (MCA) battery and the Wall Drop Punt Kick & Catch (WDPK&C) motor task. One hundred and twelve early adolescents (60 boys; 52 girls; M age = 12.67, SD = 1.78 years) participated. Overall, strong correlations were found between the WDPK&C and the MCA manipulative tests, either separately (r = .802 for kicking, r = .762 for throwing) or collectively (r = .835). In boys, correlations between WDPK&C and MCA kicking (r = .722) and MCA throwing (r = .754) were similar. In girls, MCA kicking was more closely related to WDPK&C performance (r = .612) than MCA throwing (r = .330). These results reinforce the possible use of WDPK&C as a gross manipulative coordination test, either by itself or when integrated into motor competence batteries.
- ESTUDO CASO SOBRE AUTISMO, MÚSICA E COMUNICAÇÃO EM CONTEXTO ESCOLARPublication . Ramos, Catarina da Silva; Milhano, Sandrina Diniz FernandesTendo como base a revisão bibliográfica e documental, o presente estudo de caso de caráter qualitativo visa compreender o impacto da música no desenvolvimento comunicativo e social de crianças com Perturbação do Espectro do Autismo (PEA) inseridas no contexto escolar. O objetivo é explorar como a música, integrada nas atividades curriculares e extracurriculares, pode ser uma ferramenta para promover a comunicação e a interação social destas crianças. A investigação pretende contribuir para um melhor entendimento sobre a inclusão de atividades musicais nos currículos específicos individuais, identificando práticas pedagógicas e estratégias utilizadas pelos docentes de alunos com PEA, e destacando os benefícios observados em termos de desenvolvimento comunicativo. A metodologia adotada foi qualitativa, com a aplicação de entrevistas semiestruturadas e inquéritos por questionário aplicados a professores e profissionais da área. A análise dos dados revelou que a música é um influenciador na comunicação não-verbal e contribuindo para o aumento da interação social e empatia. Os resultados deste estudo reforçam a importância e necessidade de incorporar atividades musicais no currículo escolar, como uma estratégia eficaz no apoio e desenvolvimento integral das crianças com PEA. Além disso, é evidenciado também a importância da formação especifica dos docentes para a implementação de atividades musicais no ensino destas crianças, tendo a música um papel fundamental no desenvolvimento das competências comunicativas, sociais e emocionais.
- On the development of diagnostic support algorithms based on CPET biosignals data via machine learning and waveletsPublication . Pinheiro, Rafael F.; Fonseca-Pinto, Rui; Brunello, AndreaFor preventing health complications and reducing the strain on healthcare systems, early identification of diseases is imperative. In this context, artificial intelligence has become increasingly prominent in the field of medicine, offering essential support for disease diagnosis. This article introduces an algorithm that builds upon an earlier methodology to assess biosignals acquired through cardiopulmonary exercise testing (CPET) for identifying metabolic syndrome (MS), heart failure (HF), and healthy individuals (H). Leveraging support vector machine (SVM) technology, a wellknown machine learning classification method, in combination with wavelet transforms for feature extraction, the algorithm takes an innovative approach. The model wastrained on CPETdatafrom 45participants, including 15 with MS, 15 with HF, and 15 healthy controls. For binary classification tasks, the SVM with a polynomial kernel and 5-level wavelet transform (SVM-POL-BW5) outperformed similar methods described in the literature. Moreover, one of the main contributions of this study is the development of a multi-class classification algorithm using the SVM employing a linear kernel and 3-level wavelet transforms (SVM-LIN-MW3), reaching an average accuracy of 95%. In conclusion, the application of SVM-based algorithms combined with wavelet transforms to analyze CPET data shows promise in diagnosing various diseases, highlighting their adaptability and broader potential applications in healthcare.