Надомное обучение детей с ОВЗ количество часов

В нашем блоге в статье «Обучение детей на дому – отличительные особенности» подробно рассказано, что такое обучение на дому и как оно организуется. Вместе с тем, у родителей, дети которых обучаются на дому, нередко возникают вопросы о количестве часов недельной нагрузки для таких обучающихся. Кроме того в некоторых школах родители испытывают затруднения в переходе на такое обучение.

В настоящее время в письме Рособрнадзора от 07.08.2018 № 05-283 «Об обучении лиц, находящихся на домашнем обучении» даны разъяснения о заболеваниях, которые дают право детям обучаться на дому, а также о максимальной недельной нагрузке для таких детей.
Разъяснено следующее.
1.Порядок регламентации и оформления отношений государственной и муниципальной образовательной организации и родителей (законных представителей) обучающихся, нуждающихся в длительном лечении, а также детей-инвалидов в части организации обучения по основным общеобразовательным программам на дому или в медицинских организациях определяется нормативным правовым актом уполномоченного органа государственной власти субъекта Российской Федерации.
2.Основанием для организации обучения на дому или в медицинской организации являются заключение медицинской организации и в письменной форме обращение родителей (законных представителей) к директору школы.
3. В настоящее время Перечень заболеваний, наличие которых дает право детям на обучение на дому по основным общеобразовательным программам, пересмотрен и утверждён приказом Минздрава России от 30 июня 2016 г. N 436н.
Однако, врачебная комиссия медицинской организации, в которой наблюдается ребенок, может принять решение о наличии медицинских показаний у ребенка для обучения по основным общеобразовательным программам на дому исходя из индивидуальных особенностей состояния здоровья вне зависимости от того, внесено заболевание или нет в указанный Перечень (соответствующие разъяснения даны в письме Минздрава России от 14.09.2016 N 15-3/10/2-5810).
4.Учебная нагрузка при обучении детей на дому и в медицинских организациях определяется индивидуально согласно учебному плану, разработанному в соответствии с ФГОС, рекомендациям психолого-медико-педагогической комиссии.
Максимальный общий объем недельной образовательной нагрузки обучающихся установлен СанПиН 2.4.2.2821-10 и СанПиН 2.4.2.3286-15 (для обучающихся с ограниченными возможностями здоровья).
5. Письма Минпроса СССР от 05.05.1978 N 28-М «Об улучшении организации индивидуального обучения больных детей на дому» и Министерства народного образования РСФСР от 14.11.1988 N 17-253-6 «Об индивидуальном обучении больных детей на дому», согласно которым учебная нагрузка составляла в I — III (IV) классах — до 8 часов; в IV (V) — VII (VIII) — до 10 часов; в VII (IX) — до 11 часов, приказом Минобрнауки России от 02.09.2013 N 1035 признаны утратившими силу.
6.При обучении детей на дому предусмотрены различные формы организации образовательного процесса: приходящий на дом учитель, дистанционное обучение, посещение предметов в школе.
Примечание
1.Экзамен на дому. Согласно приказам Минпросвещения России и Рособрнадзора от 7 ноября 2018 г. N 189/1513 «Об утверждении Порядка проведения государственной итоговой аттестации по образовательным программам основного общего образования» и от 07 ноября 2018 г. №190/1512 «Об утверждении Порядка проведения государственной итоговой аттестации по образовательным программам среднего общего образования» для обучающихся, имеющих медицинские показания для обучения на дому и соответствующие рекомендации психолого-медико-педагогической комиссии, экзамен организуется на дому.
Для этого родителям (законным представителям) ребёнка необходимо вместе с подачей заявления на прохождение ГИА-9 (ГИА-11) представить заключение медицинской организации и копию рекомендаций психолого-медико-педагогической комиссии.
Во время экзамена для обучающихся на дому обеспечиваются специальные условия, учитывающие состояние их здоровья, особенности психофизического развития, в том числе присутствие ассистентов, использование на ГИА необходимых для выполнения заданий технических средств; выполнение письменной экзаменационной работы на компьютере по желанию экзаменующегося; увеличение продолжительности экзамена по учебному предмету на 1,5 часа; организация питания и перерывов для проведения необходимых лечебных и профилактических мероприятий во время проведения экзамена и другие условия.
2. Об определении учебной нагрузки учителей, обучающих детей на дому. Согласно п. 2.5 Приложения 2, утвержденного приказом Минобрнауки России от 22 декабря 2014 г. № 1601, при возложении на учителей организаций, реализующих основные общеобразовательные программы, для которых указанные организации являются основным местом работы, обязанностей по обучению на дому детей, которые по состоянию здоровья не могут посещать такие организации, количество часов, установленное для обучения таких детей, включается в учебную нагрузку учителей.
В соответствии с п.4.2 Приложения, утвержденного приказом Минобрнауки России от 11 мая 2016 г. № 536, режим рабочего времени учителей, осуществляющих обучение детей на дому в соответствии с медицинским заключением, в каникулярное время определяется с учётом количества часов указанного обучения таких детей, установленного им до начала каникул.

Федеральный закон от 29.12.2012 г. №273-ФЗ «Об образовании в РФ»
Письмо Рособрнадзора от 07.08.2018 № 05-283 «Об обучении лиц, находящихся на домашнем обучении»
(http://rulaws.ru/acts/Pismo-Rosobrnadzora-ot-07.08.2018-N-05-283/)
Приказ Минобрнауки России от 11 мая 2016 г. № 536 «Об утверждении Особенностей режима рабочего времени и времени отдыха педагогических и иных работников организаций, осуществляющих образовательную деятельность»
Приказ Минобрнауки России от 22 декабря 2014 г. № 1601 «О продолжительности рабочего времени (нормах часов педагогической работы за ставку заработной платы) педагогических работников и о порядке определения учебной нагрузки педагогических работников, оговариваемой в трудовом договоре»

Подробный план со ссылками на бесплатные учебные ресурсы.

Учёба на магистра Data Science в обычном офлайновом вузе США может стоить от $30 тысяч до $120 тысяч. Даже онлайн-курсы по этой специальности могут «влететь» минимум в $9 тысяч. Перевод этой статьи с сайта Towards Data Science — для тех, кто не желает тратиться или просто не может себе позволить такое удовольствие, но очень хочет стать дата-сайентистом. Ребекка Викери (10 лет в сфере) делится программой, по которой изучала DS сама.

План состоит из трех частей (технические навыки, теория, практика) и полностью построен на бесплатных материалах. Для тех, кто всё же готов немного инвестировать в самообразование, прикреплены ссылки на курсы, которые ускорят процесс.

Технические навыки специалиста в области Data Science

— Советую начинать именно с них, чтобы вы сразу ориентировались на практику, а не уходили в математическую теорию. Самый популярный язык программирования в DS — Python. По опросу Kaggle, который площадка проводила внутри своего сообщества специалистов по обработке данных и машинному обучению в 2018 году, 83% респондентов используют Python ежедневно. Поэтому в первую очередь изучите его, но немного внимания нужно будет уделить кое-каким другим языкам. Например, R.

Основы Python

В сети масса бесплатных вводных курсов, но лично я считаю, что лучшие — это курсы Codecademy: в них много практических заданий, все они выполняются в браузере.

Предлагаю пройти вот этот вводный курс по Python. Здесь изложены основы синтаксиса, функции, поток управления, циклы, модули и классы.

Python и анализ данных

Далее нужно очень хорошо разобраться с тем, как Python используют в анализе данных.

1. Для начала пройдите хотя бы бесплатную часть материалов по анализу данных на dataquest.io. Этот ресурс предлагает полноценные учебные программы по подготовке дата-аналитиков, дата-сайентистов и дата-инженеров.
2. Очень много контента, особенно по анализу данных, находится в бесплатном доступе, но если вы захотите выучиться побыстрее и не пожалеете денег, то очень рекомендую оформить подписку на несколько месяцев. Этот курс заложит прочный фундамент для дальнейшего изучения DS. Я прошла программу для дата-сайентистов за полгода. Цены у Dataquest в диапазоне от $24,5 до $49 в месяц в зависимости от того, на какой срок покупать подписку (годовая — дешевле).

Python и машинное обучение

1. По возможности не скупитесь на полный курс по DS на Dataquest: он даст вам крепкую базу по использованию Python в машинном обучении. В противном случае есть множество бесплатных источников. Начинайте со scikit-learn — это, пожалуй, самая популярная ML-библиотека для Python.
2. Ещё мне повезло попасть на двухдневный воркшоп Андреаса Мюллера, одного из ключевых разработчиков scikit-learn. Материал того курса (и не только) он целиком выложил на GitHub. Здесь есть наглядная графика, конспекты и заметки, над которыми можно поработать самостоятельно, что я вам настоятельно рекомендую.
3. Стоит ознакомиться с некоторыми туториалами из документации scikit-learn, после чего уже можно попробовать делать настоящие ML-приложения и разбираться с тем, как устроены ML-модели (но об этом позже).

SQL

SQL — обязательный навык для дата-сайентиста, так как одним из ключевых процессов моделирования данных является, прежде всего, их извлечение. В большинстве случаев вам будет нужно уметь запускать SQL-запросы к базам данных.

Вот пара бесплатных ресурсов для тех, кто решил не брать полный курс на Dataquest.

1. Бесплатный вводный курс в SQL есть на Codecademy. Он очень удобный, кодить нужно не выходя из браузера.
2. Тем, кто интересуется облачными базами данных и отправкой запросов в них, рекомендую заглянуть на Google Cloud BigQuery. Здесь есть пробная версия (можно потренироваться бесплатно), доступ к обширному массиву публичных датасетов и толковая документация.

R

Не ограничивайтесь Python: дата-сайентисту очень полезно владеть языком R, поэтому советую пройти вводный курс ещё и по нему.

Бесплатный вариант есть на Codecademy. Стоит отметить, что эта площадка тоже предлагает комплексную программу по подготовке дата-сайентистов, но только по подписке на тариф Pro. Стоит она от $15,99 до $ 31,99 в месяц — смотря на сколько месяцев вперёд платить. Лично мне курс Dataquest показался гораздо более содержательным, хотя здесь может получиться немного дешевле, если вы предпочитаете заниматься по одной платформе.

Разработка программного обеспечения

Дата-сайентисту будет нелишним освоить навыки и лучшие практики разработки софта: это улучшит читабельность вашего кода, и его будет проще дополнять — как вам самим, так и другим. Кроме того, чтобы выкатывать модели в продакшн, нужно научиться генерировать качественный, хорошо проверенный код и работать с такими инструментами, как системы контроля версий.

В помощь вам — два ресурса:

1. Python like you mean it охватывает руководство PEP 8, которое описывает общепринятый стиль оформления кода на Python, документацию, и ещё в нём очень сильная часть про объектно-ориентированное программирование.
2. Этот гайд — о том, как вносить вклад в разработку scikit-learn. Здесь здорово разобраны лучшие подходы и принципы, которые на самом деле универсальны и применимы не только к этой библиотеке. Затрагивается GitHub, юнит-тестирование и отладка кода, причём всё рассмотрено в контексте DS.

Кто такой Data Scientist. Обзор изнутри от Арсения Кравченко По теме Кто такой Data Scientist. Обзор изнутри от Арсения Кравченко

Глубокое обучение

Самое лучшее и развёрнутое введение в глубокое обучение дают авторы fast.ai — этот ресурс тоже бесплатный, и на нём совершенно нет рекламы.

Курс включает введение в машинное обучение, практические аспекты глубокого обучения, вычислительную линейную алгебру, а также введение в обработку естественного языка с акцентом на программирование. Все курсы на этом сайте объединяет прикладной подход, поэтому очень советую не проходить мимо.

Теория

По ходу изучения технических моментов вам неизбежно будет встречаться теория, которая стоит за кодом.

Призываю вас учить теорию без отрыва от практики.

Например, я изучаю код, чтобы научиться применять какую-то технику (скажем, метод k-средних, KMeans), а когда она сработает, начинаю глубже разбираться с понятиями, которые с ней связаны (например, с инертностью, Inertia).

1. Все сопутствующие алгоритмам математические термины есть в той же документации scikit-learn.
2. Ниже я перечислю главное, что нужно изучить из теории вместе с прикладными аспектами. Почти по всем этим вещам есть бесплатные уроки на khan academy. Во время регистрации или в профиле можно выбрать нужные вам дисциплины, и сайт выдаст пошаговый план по каждому предмету.

Математика

Математический анализ (Calculus)

В этом разделе математики рассматривается связь между функцией и её производной, из-за которой изменение одной переменной величины приводит к изменению другой. Матанализ позволяет, например, выявлять паттерны, понимать, как функция меняется с течением времени.

В машинном обучении матанализ помогает оптимизировать производительность алгоритмов. Один из примеров — метод градиентного спуска. Он состоит в том, что при обучении по одному изменяют весовые коэффициенты нейросети для поиска минимального значения функции потерь.

Что нужно знать.

Производные (Derivatives)

• Геометрический смысл (Geometric definition)
• Вычисление производной функции (Calculating the derivative of a function)
• Нелинейные функции (Nonlinear functions)

Цепное правило (или Правило дифференцирования сложной функции, Chain rule)

• Сложные функции (Composite functions)
• Производные сложных функций (Composite function derivatives)
• Множественные функции (Multiple functions)

Градиенты (Gradients)

• Частные производные (Partial derivatives)
• Производные по направлению (Directional derivatives)
• Интегралы (Integrals)

Линейную алгебру (Linear Algebra)

Многие распространённые инструменты машинного обучения, в том числе XGBOOST, для хранения входных данных и обработки данных используют матрицы. Матрицы, наряду с векторными пространствами и линейными уравнениями, изучает линейная алгебра. Уверенное знание этого раздела математики очень важно для понимания механизма многих методов машинного обучения.

Что нужно знать

Векторы и пространства (Vectors and spaces)

• Векторы (Vectors)
• Линейные комбинации (Linear combinations)
• Линейная зависимость и независимость (Linear dependence and independence)
• Скалярное произведение и векторное произведение (Vector dot and cross products)

Матричные преобразования (Matrix transformations)

• Функции и линейные преобразования (Functions and linear transformations)
• Умножение матриц (Matrix multiplication)
• Обратные функции (Inverse functions)
• Транспонирование матрицы (Transpose of a matrix)

Статистика для Data Scientist

Что нужно знать

Описательная/дескриптивная статистика (Descriptive/Summary statistics)

• Описание выборки данных (How to summarise a sample of data)
• Типы распределений (Different types of distributions)
• Асимметрия, эксцесс, меры центральной тенденции, например среднее арифметическое, медиана, мода (Skewness, kurtosis, central tendency, e.g. mean, median, mode)
• Меры зависимости и взаимосвязь переменных величин, например корреляция и ковариация (Measures of dependence, and relationships between variables such as correlation and covariance)

Планирование эксперимента (Experiment design)

• Проверка гипотез (Hypothesis testing)
• Семплирование (Sampling)
• Тесты на статистическую значимость (Significance tests)
• Случайность (Randomness)
• Вероятность (Probability)
• Доверительные интервалы и статистический вывод по двум выборкам (Confidence intervals and two-sample inference)

11 курсов по Data Science для новичков и профессионалов По теме 11 курсов по Data Science для новичков и профессионалов

Машинное обучение (Machine learning)

• Вывод о наклоне линии регрессии (Inference about slope)
• Линейная и нелинейная регрессия (Linear and non-linear regression)
• Классификация (Classification)

Практика

Теперь можно приступить к третьей части программы — практическому опыту. Чтобы отточить полученные скиллы, их нужно задействовать в проектах — желательно, чтобы они были похожи на какие-то уже существующие приложения. Попутно перед вами будут возникать разные сложности, но справляясь с ними, вы очень хорошо «прощупаете» предмет и прокачаете свои знания.

Андерс Эрикссон, «Максимум. Как достичь личного совершенства с помощью современных научных открытий» «Чтобы научиться чему-то, чего вы не умели раньше, нужно постоянно выходить из состояния равновесия и заставлять мозг и тело адаптироваться к изменяющимся условиям».

Kaggle

Конкурсы по машинному обучению — отличная возможность потренироваться создавать модели. Там есть доступ к множеству датасетов, предназначенных для решения отдельных задач. По турнирной таблице можно сравнивать свои успехи с другими участниками. А ещё по результатам вам будет видно, в каких темах у вас пробелы и что нужно подтянуть.

Помимо Kaggle, есть разные другие платформы, где можно попробовать свои силы. Например Analytics Vidhya и DrivenData.

ML-репозиторий UCI

UCI Machine Learning Repository — огромный клад публичных датасетов, которые можно использовать в домашних ML-проектах. Создайте портфолио на GitHub и размещайте проекты в нём. Оно будет не только демонстрировать ваши способности и достижения, но и в дальнейшем может помочь найти работу.

Вклад в Open Source

Участвуйте в чужих проектах. Очень многие Python-библиотеки поддерживаются опенсорс-сообществом. В рамках митапов и конференций часто проводят хакатоны, куда приглашают даже новичков. Это хорошая возможность для взаимного «обмена премудростями»: здесь можно и чему-то научиться у других, и поделиться знаниями. Один из вариантов — хакатон, спонсируемый фондом NumFOCUS.

Практические ресурсы хорошо разнообразят книги по Data Science из этого списка. Все можно найти в открытых источниках.

А также платные занятия по Data Science

2038$ — средняя зарплата в Data Science в Беларуси​ за 2019 год.
11 вакансий для Data Scientist.

23 популярных курса по Data Science от Coursera По теме 23 популярных курса по Data Science от Coursera

Думаю, любой родитель согласится, что словосочетания «коррекционный класс» и, тем более, «коррекционная школа» звучат несколько устрашающе. Сразу же воображение рисует жуткие образы детей с кучей физических недостатков, безумными взглядами и неадекватным поведением. Наверное, именно поэтому многие мамы и папы немедленно отказываются от предоставления детям возможности получить качественную коррекционную помощь ((«вы что, разве мой ребёнок такой?!»), предпочитая оставить всё так, как есть, и надеясь на… вот не знаю даже, на что. Только на чудо, видимо… Хотя в такой ситуации надо бы как следует разобраться, что к чему, и уж потом принимать обдуманное решение, а не «пороть горячку». (Кстати, большая часть обучающихся специальных классов и школ внешне абсолютно ничем не отличается от остальных детей).

Так что давайте будем вместе рассуждать, что такое обучение по адаптированной образовательной программе, кому оно нужно, а кто может без него обойтись, и стоит ли переводить ребёнка в коррекционный класс или школу или он сможет учиться и с обычными детьми?

Начнём с самого начала. Адаптированная образовательная программа отличается от обычной тем, что её составляют педагоги специально для тех детей (или для одного ребёнка), которые нуждаются в особых образовательных условиях. Под условиями здесь понимается и содержание программы (то, чему именно будут учить), и технологии, методы и приёмы обучения (как будут учить), средства обучения (с помощью каких материалов, учебников, оборудования будет организован образовательный процесс), какие специалисты нужны для оказания коррекционно-развивающей помощи ученику, что нужно изменить в школьных помещениях, чтобы ребёнку было удобно, какая нужна мебель и много-много другого. Разумеется, что обучение по адаптированной программе необходимо тем детям, у которых имеются какие-либо нарушения в развитии (слепым и слабовидящим, глухим и слабослышащим, с нарушениями опорно-двигательного аппарата, с тяжёлыми нарушениями речи, с расстройствами аутистического спектра, с задержкой психического развития и с умственной отсталостью).

Соглашаться ли на обучение по адаптированной программе, если психолого-медико-педагогическая комиссия таковое рекомендовала? На мой взгляд, однозначно – да! Потому что, раз ПМПК такую рекомендацию дала, значит, на то были очень серьёзные причины в виде непростых проблем как в учёбе, так и в развитии в целом (ведь не зря же вы с ребёнком проходили комиссию, не из любопытства же и не развлечения ради?). А если продолжать обучать ребёнка так же, как и раньше, по обычной программе, то изменений к лучшему можно не ждать (это мягко говоря), а вернее всего, ситуация будет ухудшаться и усугубляться.

В случае согласия родителям необходимо принести в школу то заключение, которое было им выдано в ПМПК, и написать заявление на имя директора с просьбой перевести ребёнка на обучение по другой программе (по той, которая указана в заключении).

Теперь давайте рассмотрим следующий вопрос: стоит ли переводить ученика в коррекционный класс или коррекционную школу, или он сможет учиться по другой программе и в условиях своего класса и своей школы?

Несколько лет назад в обычной школе не могли обучать детей по какой-либо другой программе, кроме общеобразовательной, если у учреждения не было на то специальной лицензии. Но сейчас всё несколько иначе. В действующем Законе об образовании в РФ (от 2012 года) говорится, что родители могут выбрать любую образовательную организацию для обучения своего ребёнка, а школы обязаны создавать условия для того, чтобы в них могли обучаться дети с любыми особенностями, потребностями, нарушениями в развитии.

Говоря простым языком, теперь вовсе не обязательно переводить своего ребёнка в коррекционную школу или коррекционный класс, если на комиссии было рекомендовано обучение по какой-либо адаптированной программе, а можно оставить его в своём классе. Тогда педагоги должны будут составить для него АОП (адаптированную образовательную программу), создать необходимые специальные условия, о которых я говорила выше, и учить его сами.

И всё же: как лучше – оставить ребёнка там же, где он до сих пор учился, на обучение по АОП, или пусть переходит в коррекционный класс или школу? Какие здесь могут быть «за» и «против»?

Итак, «за» то, чтобы ребёнок учился в специальном классе или школе:

• Там работают опытные, обученные педагоги, которые знают особенности детей с нарушениями, владеют специальными методами и приёмами обучения, а попросту говоря, умеют учить детей с разными возможностями. В обычных классах учителя привыкли работать со «средними», обычными детьми и могут не знать многих нюансов.
• Там созданы специальные условия: особое расписание, учебники, методические пособия и т.д., т.е. образовательный процесс чётко организован и давно налажен.
• В таких классах и школах обязательно работают «узкие» специалисты – логопеды, психологи, дефектологи и пр., которые проводят коррекционные и развивающие занятия.
• Меньшая наполняемость классов (до 15 человек), т.е. у учителя есть возможность почти на каждом уроке поработать с учениками индивидуально.
• Остальные дети – со схожими проблемами, т.е. ребёнок не будет отличаться от одноклассников, будет «свой среди своих», следовательно, всякие насмешки и издёвки с их стороны маловероятны.
• В коррекционных классах и школах большое внимание уделяется внеурочной деятельности, развитию способностей и талантов обучающихся. Это значит, что у ребёнка будет больше возможностей проявить себя в разных видах творчества, в спорте и т.д.

А сейчас – о том, какие «против» могут быть в этой ситуации:

• Ребёнку придётся покинуть привычный коллектив сверстников и привыкать к новому. Иногда это плохо, но если в прежнем классе ученик чувствовал себя чужим, то есть вероятность, что с новыми одноклассниками отношения сложатся лучшим образом.
• Будет другой учитель или коллектив учителей. Этот пункт, как и предыдущий, тоже может быть как со знаком минус, так и со знаком плюс.
• Возможно, родителям и самому ребёнку придётся столкнуться с негативным общественным мнением типа «какой ужас, он же в коррекционном классе (школе), совсем глупый, наверное…»
• Дети, окружающие ребёнка, тоже будут с проблемами, т.е. ему будет «не за кем тянуться», кроме учителя.

Вообще, если есть рекомендация ПМПК об обучении по адаптированной образовательной программе, игнорировать это нельзя, иначе само по себе ничего к лучшему не изменится, а вот к худшему – очень легко. Поэтому для решения проблемы (абсолютно любой, не только связанной с образованием и обучением) надо:

1. Что-то делать, а не сидеть сложа руки, ожидая, что всё наладится.
2. Делать надо не что угодно или что хочется, а то, что необходимо.
3. Делать что необходимо нужно не от случая к случаю, а регулярно, систематически.

Я это вот к чему. В коррекционных классах или школах педагоги не просто делают свою работу (учат детей) – они делают это так, как нужно именно этим детям, и у них есть чёткая, сложившаяся, отработанная система деятельности. Именно поэтому в таких классах и школах результаты обучения по АОП лучше и выше, чем когда ребёнок с особенностями учится в обычном классе или школе.

Выбор, конечно, остаётся за родителями, и принудить их принять то или иное решение никто не в праве. Однако хочется сказать ещё вот о чём. К сожалению, очень часто родители в трудных ситуациях советуются, мягко говоря, не с теми, с кем нужно, и прислушиваются к мнению «тёти Клавы», которая где-то от кого-то что-то услышала и сделала свои выводы, подчас основанные только на воображении. А слушать и спрашивать надо специалистов, которые данной проблемой занимаются, и тех людей, которые на себе и своём ребёнке испытали последствия своего правильного или неправильного решения. Вы же не будете спрашивать рекомендации о выращивании, скажем, помидоров у того, кто всегда их только покупает в готовом виде в магазине, а сам ни разу даже не видел, как они растут, правда? Поэтому не слушайте соседей, родственников, знакомых, сослуживцев и т.д., а идите за советом к педагогам коррекционного образования, к родителям детей из таких классов, и сами решайте, переводить ребёнка в коррекционный класс или коррекционную школу или нет. И, конечно же, хорошенько продумайте перспективы для своего ребёнка.