מפרקים את השונות בהבנת הנקרא כדי לחשוף את ההשפעות משותף וייחודי של השפה ופענוח

סיכום

כאן אנו מציגים עבור מפרקים את השונות בהבנת הנקרא לתוך ההשפעות משותף וייחודי של השפה ופענוח פרוטוקול.

תקציר

תצוגה פשוטה של הקריאה הוא מודל פופולרי של הקריאה טוען כי הקריאה היא התוצר של פענוח ושפה, עם כל רכיב ייחודי ניבוי הבנת הנקרא. למרות חוקרים טענו אם הסכום ולא התוצר של הרכיבים הוא חזאי טוב יותר, אין חוקרים שחילקת למחיצות את השונות הסביר לבחון את היקף שבו הרכיבים לשתף סטיה לניבוי הקריאה. הזריקות השונות, אנו להחסיר את R² עבור מודל השפה בלבד מן המודל המלא כדי לקבל R² ייחודי עבור פענוח. שנית, אנחנו להחסיר את R² עבור דגם פענוח בלבד מן המודל המלא כדי לקבל R² ייחודי עבור שפה. שלישית, כדי לקבל את השונות הנפוצות מוסברת על ידי השפה ופענוח, לנו להפחית את הסכום של שני ייחודי R² R² עבור הדגם המלא. השיטה היא הפגינו בגישה רגרסיה עם נתונים של תלמידי כיתות 1 (n = 372), 6 (n = 309), ו- 10 (n = 122) באמצעות מדד הנצפה של השפה (הסביל אוצר מילים), פענוח (המילה מתוזמן קריאה), הבנת הנקרא (מבחנים). תוצאות לחשוף כמות גדולה יחסית של השונות בהבנת הנקרא הסביר בכיתה 1 מאת בשונות פענוח ושפה משותפת. על ידי ציון 10, עם זאת, זה אפקט ייחודי של השפה ואת נפוצות השפעת השפה ופענוח שיסבירו את רוב השונות בהבנת הנקרא. תוצאות נידונות בהקשר של גרסה מורחבת של תצוגה פשוטה של הקריאה ומתחשב ייחודי , לשתף השפעות השפה ופענוח לניבוי הבנת הנקרא.

מבוא

תצוגה פשוטה של קריאה¹ (SVR) ממשיך כל מודל פופולרי של קריאה בגלל הפשטות-הקריאה שלו (R) הוא תוצר של פענוח (ד) ושפה (L)- והסביר כי SVR נוטה להסביר, בממוצע, כ- 60% של סטיה בקריאה הבנת הנקרא². SVR המנבא כי מתאמים בין D ו- R ייפגעו לאורך זמן, מתאמים בין L ו- R תגדל עם הזמן. מחקרים תומכים בדרך כלל זה חיזוי^3,4,5. ישנם חילוקי דעות, לעומת זאת, לגבי הטופס התפקודי של SVR, עם מודלים מוספים (D + L = R) להסביר את השונות יותר באופן משמעותי בהבנת הנקרא מאשר מודלי מוצרים (D × L = R)^6,7,8, ו- a שילוב של סכום [R = D + L + (D × L) המסבירה את הכמות הגדולה ביותר של שונות קריאה והבנת הנקרא^3,9.

לאחרונה הרחיבה המודל SVR מעבר regressions מבוסס על משתני שנצפה החבויים דוגמנות משתנה באמצעות ניתוח במפעל מאשרות הבניית מודל משוואתי. D נמדד בדרך כלל עם הקריאה untimed או מתוזמן של מילים אמיתיות ו/או nonwords, R נמדד בדרך כלל על ידי מבחן קריאה סטנדרטית הכוללת אוריינות ומעברים אינפורמטיבי ואחריו שאורכו. L נמדד בדרך כלל על ידי בדיקות של אוצר מילים הבעה, הבנה, במיוחד, את הציונים ראשי, על ידי אמצעים של תחביר הבעה, הבנה והבנת הנשמע. ביותר האורך מחקרים מדווחים כי L unidimensional^10,11,12,13. עם זאת, מחקר אורך עוד¹⁴ דוחות מבנה שני הגורמים עבור L את הציונים ראשי, מבנה unidimensional בכיתות 4 ו-8. מחקרים שנעשו לאחרונה חתך הרוחב מדווחים כי מודל bifactor הכי מתאים לנתונים וחוזה R^15,16,17,18. לדוגמה, Foorman. et al. ¹⁶ בהשוואה unidimensional, פקטור שלוש, ארבע-factor, מודלים bifactor של SVR נתונים של תלמידים בכיתות 4-10 ונמצא כי מודל bifactor להתאים בצורה הטובה ביותר, הסביר 72% עד 99% בשונות R. גורם L הכללי הסביר סטיה כל הציונים שבע, אוצר מילים, תחביר ייחודי הסביר השונות רק בכיתה אחת בכל. למרות הגורם D היה למדי בקורלציה עם L ו- R בכל הציונים (0.40-0.60, 0.47-0.74, בהתאמה), זה היה לא ייחודי בקורלציה עם R בנוכחות הגורם L כלליות.

אף-על-פי דוגמנות המשתנים החבויים יש SVR המורחב על ידי ששפך אור על-ממדיות של L ואת התפקיד הייחודי L משחק בחיזוי R מעבר הציונים ראשי, אין מחקרים של SVR מלבד אחד על-ידי. Foorman et al. ¹⁹ שחילקת למחיצות את השונות בהבנת הנקרא המגיע באופן ייחודי כדי D ו- L, מה הוא משותף. . זה השמטה גדול בספרות. מבחינה מושגית זה הגיוני D ו- L, יחלקו סטיה לניבוי השפה הכתובה כי זיהוי המילה מצריכה את הכישורים לשונית של הגייה, סמנטיקה, שיח בבית משפט וטקסט רמות²⁰ באופן דומה, הנקרא הלשוני חייב להיות מחובר אורתוגרפיים ייצוגים של הברות מורפימות, מילים, משפטים, השיח אם הטקסט להיות מובן²¹. הכפלת D מאת L לא יניבו את הידע משותף על-ידי רכיבים אלה. רק פירוק של השונות לתוך מה הוא ייחודי, מה משותף D ו- L ב- R נבואה תחשוף את הידע המשולב קריטי להצלחה של התערבויות חינוכיות.

מחקר שבוצע על ידי. Foorman et al. ¹⁹ . זה מפורקת השונות של הבנת הנקרא לתוך מה הוא ייחודי, מה משותף במשותף על ידי D ו- L מועסקים משתנה החבויים מידול הגישה. הפרוטוקול הבא מדגים את הטכניקה עם נתונים של תלמידי כיתות 1, 7 ו- 10 מבוסס על יחיד שנצפו משתנים D (מתוזמן הפענוח), L (הסביל אוצר מילים), ו- R (סטנדרטית לקרוא מבחן בהבנת הנקרא) כדי להפוך את תהליך הפירוק קל להבין. הנתונים מייצגים קבוצת משנה של הנתונים מ. Foorman et al. ¹⁹.

פרוטוקול

הערה: השלבים הבאים מתארים מרקיבה הכולל השונות במשתנה התלוי (Y) לתוך רכיבי סטיה ייחודי השונות הנפוצות, שונות לא מוסברת המבוסס על שני משתנים עצמאיים הנבחרים (נקרא , בדוגמה זו) באמצעות תוכנה עם ממשק משתמש גרפי, תוכנה לניהול נתונים (ראה טבלה של חומרים).

1. לקרוא את הנתונים לתוך תוכנה עם ממשק משתמש גרפי

1. לחץ על קובץ.
   1. העבר את העכבר מעל פתוח-
   2. לחץ על נתונים.
2. אתר את קובץ הנתונים הרלוונטיים במחשב.
   1. אם סוג הקובץ אינו תואם התוכנה עם ממשק משתמש גרפי, לחץ על קבצים מסוג , בחר את תבנית הקובץ המתאימה.
3. לחץ על פתוח-

2. להעריך את השונות הסביר המשתנה התלוי (Y)

1. סה כ הסביר השונות בהתבסס על המשתנים תלויים שני – סה כ R².
   הערה: ערך² Rנקרא מקדם הדטרמינציה ומייצג את הפרופורציה של השונות של משתנה תלוי המוסברת על ידי קבוצת המשתנים תלויים.
   1. לחץ על נתח ולאחר מרחף עם העכבר מעל רגרסיה ובחר לינארי.
   2. לחץ על המשתנה התלוי ברשימה משתנה. לאחר מכן לחץ על החץ לצד התלויים.
   3. לחץ על המשתנים הבלתי-תלויים שני (X₁ ו- X₂) ברשימה משתנה. ולאחר מכן לחץ על החץ שליד Independent(s).
   4. לחץ על אישור.
   5. לחץ על חלון התוכן של התוכנה.
      1. השתמש בעכבר כדי לגלול אל המקטע שנקרא מודל סיכום. להקליט את הערך תחת העמודה מרובע R , תווית זה סה כ Rערך².
2. סה כ השונות הסביר על בסיס
   1. חזור על שלבים 2.1.1 דרך 2.1.4 השימוש רק ברשימה המשתנה הבלתי תלוי.
   2. לחץ על חלון התוכן של התוכנה.
      1. השתמש בעכבר כדי לגלול אל המקטע שנקרא מודל סיכום. תווית ערך זה ולהקליט את הערך תחת העמודה מרובע R R².
3. סה כ השונות הסביר על בסיס
   1. חזור על שלבים 2.1.1 דרך 2.1.4 השימוש רק ברשימה המשתנה הבלתי תלוי.
   2. לחץ על חלון התוכן של התוכנה.
      1. השתמש בעכבר כדי לגלול אל המקטע שנקרא מודל סיכום. תווית ערך זה ולהקליט את הערך תחת העמודה מרובע R R².

3. חישוב הרכיבים סטיה וייחודית, נפוץ, לא מוסבר

1. פתח את תוכנת ניהול הנתונים.
2. הזן את התוויות הכולל R², R², ואת R² תאים A1, B1 ו- C1, בהתאמה.
3. הזן את הערך² סה כ Rמ שלב 2.1.5.1 בתא A2.
4. הזן Rערך² משלב 2.2.2.1 בתא B2.
5. הזן Rערך² משלב 2.3.2.1 בתא C2.
6. לחשב את ייחודיות השונות של משתנה 1 (UR²) בתוכנת ניהול הנתונים.
   1. בסוג התא D2: "= A2-C2" (קרי, הכולל R² מינוס R²). בתוך התא D1 תווית ערך זה UR².
7. חישוב סטיה ייחודי של 2 משתנים (UR²) בתוכנת ניהול הנתונים.
   1. בסוג התא E2: "= A2-B2" (קרי, הכולל R² מינוס R²). ב- E1 תא תווית ערך זה UR².
8. לחשב את השונות הנפוצות בין משתני 1 ו- 2 (CR²) בתוכנת ניהול הנתונים.
   1. בסוג התא F2: "= A2-D2-E2" (קרי, הכולל R² מינוס UR² מינוס UR²). ב F1 תא תווית ערך זה CR².
9. לחשב את השונות לא מוסברת (e) בתוכנת ניהול נתונים.
   1. בסוג התא G2: "= 1-A2" (קרי, 1-סיכום R²). התא G1 תווית זו ערך אי

4. לתכנן את UX₁R², UX₂R², CX₁X₂R²וערכי e

הערה: הערכים בתאים D2, E2, F2 ו G2 מותווים.

1. לחץ וגרור את העכבר מעל התאים D2, E2, F2 ו G2 כדי להדגיש את הנתונים.
2. לחץ על הוסף ברצועת הכלים של התוכנה לניהול נתונים.
3. לחץ על תרשימים | תרשים עוגה | תרשים עוגה 2-D-

תוצאות

מטרת מחקר זה הייתה לחקור את התרומות השונות משותף וייחודי של השפה (L), פענוח (D) כדי לחזות בהבנת הנקרא (R) כיתות 1, 7 ו- 10 בפלורידה, מדינה דמוגרפיה של מי הם נציג של האומה בתור כולה. היו שם שתי השערות לגבי תחזיות של השונות הסביר בהבנת הנקרא. ראשית, לאחר הציונים ראשי, תרומתו הייחודית של D יקטן באופן משמעותי, תרומתו הייחודית של L יגדל. שנית, תרומתו הייחודית של L ותרומות משותפת של D ו- L יעבור באופן משמעותי לחשבון עבור רוב השונות מעבר ראשוני הציונים.

דיון

ישנם שלושה שלבים קריטיים בפרוטוקול עבור מפרקים את השונות ב- R אל תוך סטיה משותף וייחודי עקב L ו- d ראשית, להחסיר את R² במודל L בלבד מן המודל מלא כדי להשיג את R ייחודי² ד שנית, להחסיר את R² עבור דגם D בלבד מן המודל מלא כדי להשיג את R ייחודי² עבור השלישית ל', כדי לקבל את השונות הנפוצות מוסברת על ידי L ו- D, להפחית את הסכום של שני ייחודי R² R² עבור הדגם המלא.

שינויים בפרוטוקול הכרחי אם סמויה משתני עבור D ו- L החליף את הקודים דמה של...

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה

שם	חברה	מספר קטלוג	הערות
IBM SPSS סטטיסטיקה תוכנה	IBM
Microsoft Office Excel	Microsoft