Name: Dekompozycja wariancji w czytaniu ze zrozumieniem w celu ujawnienia unikalnych i powszechnych efektów języka i dekodowania (Wideo) | JoVE Journal
Uploaded: 2018-10-11T15:00:00.000+00:00
Duration: 6 min 33 s
Description: Poznaj metodę dekompozycji wariancji w czytaniu ze zrozumieniem, ujawniającą unikalne i wspólne efekty języka oraz dekodowania. Technika ta pomaga zrozumieć indywidualne różnice w rozwoju czytania.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Badania opisane tutaj były wspierane przez Instytut Nauk o Edukacji, Departament Edukacji Stanów Zjednoczonych, poprzez dotację dla Uniwersytetu Stanowego Florydy od Grant R305F100005 dla Educational Testing Service w ramach inicjatywy Reading for Understanding. Wyrażone opinie są opiniami autorów i nie reprezentują poglądów Instytutu, Departamentu Edukacji Stanów Zjednoczonych, Służby Testowania Edukacyjnego ani Uniwersytetu Stanowego Florydy.

Uwaga: Poniższe kroki opisują dekompozycję całkowitej wariancji zmiennej zależnej (Y) do wariancja unikalna, wariancja wspólnai wariancja niewyjaśniona składniki oparte na dwóch wybranych niezależnych zmiennych (nazwanych <img alt="Równanie równowagi statycznej ΣFx=0, schemat; ilustracja zasad równowagi sił w fizyce." src="/files/ftp_upload/58557/58557eq1.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 1"> i <img alt="równanie stanu równowagi statycznej ΣFx=0 schemat z wektorami sił i punktem obrotu ilustrujący stan równowagi" src="/files/ftp_upload/58557/58557eq2.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 2"> (w tym przykładzie) przy użyciu oprogramowania z graficznym interfejsem użytkownika oraz oprogramowania do zarządzania danymi (patrz Tabela materiałów).
1. Odczytywanie danych do oprogramowania z graficznym interfejsem użytkownika
<ol>
	<li>Kliknij Plik.
	<ol>
		<li>Najedź kursorem myszy na Otwórz.</li>
		<li>Kliknij Dane.</li>
	</ol>
	</li>
	<li>Zlokalizuj odpowiedni plik danych na komputerze.
	<ol>
		<li>Jeśli typ pliku nie jest zgodny z oprogramowaniem z graficznym interfejsem użytkownika, kliknij Typy plików i wybierz odpowiedni format pliku.</li>
	</ol>
	</li>
	<li>Kliknij Otwórz.</li>
</ol>
2. Oszacowanie wariancji wyjaśnionej w zmiennej zależnej (Y)
<ol>
	<li>Całkowita wariancja wyjaśniona na podstawie dwóch niezależnych zmiennych — Suma R2. 
	Uwaga: An R2 Wartość ta jest znana jako współczynnik determinacji i reprezentuje proporcję wariancji zmiennej zależnej, która jest wyjaśniana przez zestaw zmiennych niezależnych.
	<ol>
		<li>Kliknij w Analiza i najechać kursorem myszy na Regresja i wybierz Liniowy.</li>
		<li>Kliknij zmienną zależną na liście zmiennych. Następnie kliknij strzałkę obok Zależna.</li>
		<li>Kliknij dwie zmienne niezależne (X1 i X2) na liście zmiennych. Następnie kliknij strzałkę obok Niezależny(ni).</li>
		<li>Kliknij Proszę o dostarczenie tekstu źródłowego do tłumaczenia..</li>
		<li>Kliknij w oknie podglądu oprogramowania.
		<ol>
			<li>Użyj myszy, aby przewinąć do sekcji zatytułowanej Podsumowanie modeluZanotuj wartość w odpowiedniej kolumnie Współczynnik determinacji R kwadrat i oznacz tę wartość jako Suma R2.</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Całkowita wyjaśniona wariancja na podstawie <img alt="równanie równowagi statycznej ΣFx=0 schemat analizy sił" src="/files/ftp_upload/58557/58557eq3.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 3">
	<ol>
		<li>Powtórz kroki od 2.1.1 do 2.1.4, używając wyłącznie <img alt="Równanie stanu równowagi statycznej ΣFx=0, schemat; ilustrujący zasady równowagi sił w fizyce." src="/files/ftp_upload/58557/58557eq1.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 1"> na liście zmiennych niezależnych.</li>
		<li>Kliknij w oknie podglądu oprogramowania.
		<ol>
			<li>Użyj myszy, aby przewinąć do sekcji o nazwie Podsumowanie modeluZapisz wartość w odpowiedniej kolumnie Współczynnik determinacji R2 oraz opisz tę wartość <img alt="Równanie stanu równowagi statycznej ΣFx=0, schemat; ilustracja zasad równowagi sił w fizyce." src="/files/ftp_upload/58557/58557eq1.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 1">R2.</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Całkowita wyjaśniona wariancja na podstawie <img alt="Wykres równowagi statycznej w chromatografii; ΣFx=0, MA=0; analiza rozdziału DNA." src="/files/ftp_upload/58557/58557eq4.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 4">
	<ol>
		<li>Powtórzyć kroki od 2.1.1 do 2.1.4, używając wyłącznie <img alt="równanie stanu równowagi statycznej ΣFx=0, schemat z wektorami sił i punktem podparcia ilustrujący stan równowagi" src="/files/ftp_upload/58557/58557eq2.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 2"> na liście zmiennych niezależnych.</li>
		<li>Kliknij w oknie podglądu oprogramowania.
		<ol>
			<li>Użyj myszy, aby przewinąć do sekcji o nazwie Podsumowanie modeluZapisz wartość w odpowiedniej kolumnie Współczynnik determinacji (R kwadrat) i etykietuj tę wartość <img alt="równanie stanu równowagi statycznej ΣFx=0, schemat z wektorami sił i punktem podparcia ilustrujący stan równowagi" src="/files/ftp_upload/58557/58557eq2.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 2">R2.</li>
		</ol>
		</li>
	</ol>
	</li>
</ol>
3. Obliczanie unikalnych, wspólnych i niewyjaśnionych komponentów wariancji
<ol>
	<li>Otwórz oprogramowanie do zarządzania danymi.</li>
	<li>Wprowadź etykiety Suma R2, <img alt="równanie równowagi statycznej ΣFx=0 schemat analizy sił" src="/files/ftp_upload/58557/58557eq3.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 3">R2oraz <img alt="Diagram równowagi statycznej w chromatografii; ΣFx=0, MA=0; analiza rozdziału DNA." src="/files/ftp_upload/58557/58557eq4.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 4">R2 odpowiednio w komórkach A1, B1 i C1.</li>
	<li>Wprowadź całkowitą wartość R2 wartość z kroku 2.1.5.1 w komórce A2.</li>
	<li>Wprowadź <img alt="Równanie równowagi statycznej ΣFx=0, schemat; ilustracja zasad równowagi sił w fizyce." src="/files/ftp_upload/58557/58557eq1.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 1">R2 wartość z kroku 2.2.2.1 w komórce B2.</li>
	<li>Wprowadź <img alt="równanie równowagi statycznej ΣFx=0, schemat z wektorami sił i punktem obrotu ilustrujący stan równowagi" src="/files/ftp_upload/58557/58557eq2.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 2">R2 wartość z kroku 2.3.2.1 w komórce C2.</li>
	<li>Oblicz wariancję unikalną zmiennej 1 (U<img alt="Równanie stanu równowagi statycznej ΣFx=0, schemat; ilustracja zasad równowagi sił w fizyce." src="/files/ftp_upload/58557/58557eq1.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 1">R2) w oprogramowaniu do zarządzania danymi.
	<ol>
		<li>W komórce D2 wpisz: „=A2-C2” (tj. Suma R2 minus <img alt="równanie równowagi statycznej ΣFx=0 schemat z wektorami sił i punktem podparcia ilustrujący stan równowagi" src="/files/ftp_upload/58557/58557eq2.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 2">R2). W komórce D1 oznacz tę wartość jako U<img alt="Równanie stanu równowagi statycznej ΣFx=0, schemat; ilustrujący zasady równowagi sił w fizyce." src="/files/ftp_upload/58557/58557eq1.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 1">R2.</li>
	</ol>
	</li>
	<li>Oblicz wariancję unikalną zmiennej 2 (U<img alt="równanie stanu równowagi statycznej ΣFx=0 schemat z wektorami sił i punktem obrotu ilustrujący równowagę" src="/files/ftp_upload/58557/58557eq2.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 2">R2) w oprogramowaniu do zarządzania danymi.
	<ol>
		<li>W komórce E2 wpisz: „=A2-B2” (t. j. Suma R2 minus <img alt="Równanie stanu równowagi statycznej ΣFx=0, schemat; ilustracja zasad równowagi sił w fizyce." src="/files/ftp_upload/58557/58557eq1.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 1">R2). W komórce E1 oznacz tę wartość jako U<img alt="równanie równowagi statycznej ΣFx=0 schemat z wektorami sił i punktem podparcia ilustrujący stan równowagi" src="/files/ftp_upload/58557/58557eq2.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 2">R2.</li>
	</ol>
	</li>
	<li>Oblicz wspólnej wariancji między zmiennymi 1 i 2 (C<img alt="symbole matematyczne X1X2, równowaga statyczna, edukacyjna wizualizacja wzorów" src="/files/ftp_upload/58557/58557eq5.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 5">R2) w oprogramowaniu do zarządzania danymi.
	<ol>
		<li>W komórce F2 wpisz: „=A2-D2-E2” (tj. Suma R2 minus U<img alt="Równanie równowagi statycznej ΣFx=0, schemat; ilustrujący zasady równowagi sił w fizyce." src="/files/ftp_upload/58557/58557eq1.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 1">R2 minus U<img alt="równanie równowagi statycznej ΣFx=0, schemat z wektorami sił i punktem obrotu ilustrujący stan równowagi" src="/files/ftp_upload/58557/58557eq2.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 2">R2). W komórce F1 oznacz tę wartość jako C<img alt="symbole matematyczne X1X2, równowaga statyczna, edukacyjna wizualizacja wzorów." src="/files/ftp_upload/58557/58557eq5.jpg" data-altupdatedat="1788250015000" data-alt="Równanie 5">R2.</li>
	</ol>
	</li>
	<li>Oblicz niez wyjaśnioną wariancję (e) w oprogramowaniu do zarządzania danymi.
	<ol>
		<li>W komórce G2 wpisz: „=1-A2” (t. j. 1-Suma R2). W komórce G1 opisz tę wartość e.</li>
	</ol>
	</li>
</ol>
4. Wykreśl wartości UX1R2, UX2R2, CX1X2R2 oraz e
Uwaga: Wartości w komórkach D2, E2, F2 i G2 są naniesione na wykres.
<ol>
	<li>Kliknij i przeciągnij myszą przez komórki D2, E2, F2 i G2, aby zaznaczyć dane.</li>
	<li>Kliknij Wstaw na wstążce oprogramowania do zarządzania danymi.</li>
	<li>Kliknij Wykresy | Wykres kołowy | Dwuwymiarowy wykres kołowy.</li>
</ol>

<ol><li>Gough, P., Tunmer, W. <a target="_blank" href="http://journals.sagepub.com/doi/abs/10.1177/074193258600700104">Decoding, reading, and reading disability.</a> Remedial and Special Education. 7, 6-10 (1986).</li>
<li>Quinn, J. M., Wagner, R. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+meta-analytic+structural+equation+modeling+to+study+developmental+change+in+relations+between+language+and+literacy%5BTitle%5D)+AND+%22Child+Development%22%5BJournal%5D)">Using meta-analytic structural equation modeling to study developmental change in relations between language and literacy.</a> Child Development. , in press (2018).</li>
<li>Chen, R. S., Vellutino, F. <a target="_blank" href="http://journals.sagepub.com/doi/pdf/10.1080/10862969709547947">Prediction of reading ability: A cross-validation study of the simple view of reading.</a> Journal of Literacy Research. 29 (1), 1-24 (1997).</li>
<li>Catts, H., Hogan, T., Adlof, S. Developmental changes in reading and reading disabilities. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCatts%2C+H+%22Connections+between+language+and+reading+disabilities%22">Connections between language and reading disabilities</a>. Catts, H., Kamhi, A. , Erlbaum. Mahwah, NJ. (2005).</li>
<li>Gough, P., Hoover, W., Peterson, C. Some observations on the simple view of reading. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGough%2C+P+%22Reading+comprehension+difficulties%22">Reading comprehension difficulties</a>. Cornoldi, C., Oakhill, J. , Erlbaum. Hillsdale, NH. (1996).</li>
<li>Dreyer, L., Katz, L. <a target="_blank" href="https://files.eric.ed.gov/fulltext/ED359575.pdf#page=171">An examination of "The Simple View of Reading.".</a> Haskins Laboratories Status Report on Speech Research. SR-111/112. , 161-166 (1992).</li>
<li>Neuhaus, G., Roldan, L., Boulware-Gooden, R., Swank, P. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/02702710500468724">Parsimonious reading models: Identifying teachable subskills.</a> Reading Psychology. 27, 37-58 (2006).</li>
<li>Kershaw, S., Schatschneider, C. <a target="_blank" href="https://link.springer.com/article/10.1007/s11145-010-9278-3">A latent variable approach to the simple view of reading.</a> Reading and Writing. 25, 433-464 (2012).</li>
<li>Hoover, W., Gough, P. <a target="_blank" href="https://link.springer.com/article/10.1007/BF00401799">The simple view of reading.</a> Reading and Writing. 2, 127-160 (1990).</li>
<li>Adlof, S., Catts, H., Little, T. <a target="_blank" href="https://link.springer.com/article/10.1007/s11145-006-9024-z">Should the simple view of reading include a fluency component?</a> Reading & Writing. 19, 933-958 (2006).</li>
<li>Anthony, J., Davis, C., Williams, J., Anthony, T. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S1041608014001423">Preschoolers' oral language abilities: A multilevel examination of dimensionality.</a> Learning and Individual Differences. 35, 56-61 (2014).</li>
<li>Bornstein, M., Hahn, C., Putnick, D., Suwalsky, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stability+of+core+language+skill+from+early+childhood+to+adolescence%3A+A+latent+variable+approach%5BTitle%5D)+AND+%22Child+Development%22%5BJournal%5D)">Stability of core language skill from early childhood to adolescence: A latent variable approach.</a> Child Development. 85, 1346-1356 (2014).</li>
<li>Protopapas, A., Simos, P., Sideridis, G., Mouzaki, A. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/02702711.2010.507626">The components of the simple view of reading: A confirmatory factor analysis.</a> Reading Psychology. 33, 217-240 (2012).</li>
<li>Tomblin, J. B., Zhang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+dimensionality+of+language+ability+in+school-age+children%5BTitle%5D)+AND+%22Journal+of+Speech%2C+Language%2C+and+Hearing+Research%22%5BJournal%5D)">The dimensionality of language ability in school-age children.</a> Journal of Speech, Language, and Hearing Research. 49, 1193-1208 (2006).</li>
<li>Foorman, B., Herrera, S., Petscher, Y., Mitchell, A., Truckenmiller, A. <a target="_blank" href="https://link.springer.com/article/10.1007/s11145-015-9544-5">The Structure of Oral Language and Reading and Their Relation to Comprehension in grades kindergarten through grade 2.</a> Reading and Writing. 28 (5), 655-681 (2015).</li>
<li>Foorman, B., Koon, S., Petscher, Y., Mitchell, A., Truckenmiller, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Examining+General+and+Specific+Factors+in+the+Dimensionality+of+Oral+Language+and+Reading+in+4th-10th+Grades%5BTitle%5D)+AND+%22Journal+of+Educational+Psychology%22%5BJournal%5D)">Examining General and Specific Factors in the Dimensionality of Oral Language and Reading in 4th-10th Grades.</a> Journal of Educational Psychology. 107 (3), 884-899 (2015).</li>
<li>Kieffer, M., Petscher, Y., Proctor, C. P., Silverman, R. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/10888438.2016.1214591">Is the whole greater than the sum of its parts? Modeling the contributions of language comprehension skills to reading comprehension in the upper elementary grades.</a> Scientific Studies of Reading. 20 (6), 436-454 (2016).</li>
<li>Kim, Y. S. G., Park, C., Park, Y. <a target="_blank" href="https://link.springer.com/article/10.1007/s11145-015-9542-7">Dimensions of discourse level oral language skills and their relation to reading comprehension and written composition: an exploratory study.</a> Reading and Writing. 28, 633-654 (2015).</li>
<li>Foorman, B., Petscher, Y., Herrera, S. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S1041608018300414">Unique and common effects of decoding and language factors in predicting reading comprehension in grades 1-10.</a> Learning and Individual Differences. 63, 12-23 (2018).</li>
<li>Perfetti, C. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/10888430701530730">Reading ability: Lexical quality to comprehension.</a> Scientific Studies of Reading. 11 (4), 357-383 (2007).</li>
<li>Perfetti, C., Stafura, J. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/10888438.2013.827687">Word knowledge in a theory of reading comprehension.</a> Scientific Studies of Reading. 18 (4), 22-37 (2014).</li>
<li>Torgesen, J., Wagner, R., Rashotte, C. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aTorgesen%2C+J+%22Test+of+Word+Reading+Efficiency%22">Test of Word Reading Efficiency</a>. , 2nd ed, ProEd. Austin, TX. (2012).</li>
<li>Dunn, L., Dunn, D. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aDunn%2C+L+%22Peabody+Picture+Vocabulary+Test-4%22">Peabody Picture Vocabulary Test-4</a>. , Pearson. San Antonio, TX. (2007).</li>
<li>MacGinitie, W., MacGinitie, R., Maria, K., Dreyer, L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMacGinitie%2C+W+%22Gates-MacGinitie+Reading+Tests%22">Gates-MacGinitie Reading Tests</a>. , 4th ed, Riverside Publishing. Rolling Meadows, IL. (2000).</li>
<li>Wanzek, J., Wexler, J., Vaughn, S., Ciullo, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reading+interventions+for+struggling+readers+in+the+upper+elementary+grades%3A+a+synthesis+of+20+years+of+research%5BTitle%5D)+AND+%22Reading+%26+Writing%22%5BJournal%5D)">Reading interventions for struggling readers in the upper elementary grades: a synthesis of 20 years of research.</a> Reading & Writing. 23, 889-912 (2010).</li>
<li>Foorman, B., Petscher, Y., Stanley, C., Herrera, S. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/19345747.2016.1237597">Latent profiles of reading and language and their association with standardized reading outcomes in kindergarten through tenth grade.</a> Journal of Research on Educational Effectiveness. 10 (3), 619-645 (2017).</li>
<li>Lesaux, N. K., Kieffer, M. J., Kelley, J. G., Harris, J. <a target="_blank" href="http://journals.sagepub.com/doi/abs/10.3102/0002831214532165">Effects of academic vocabulary instruction for linguistically diverse adolescents: Evidence from a randomized field trial.</a> American Educational Research Journal. 51 (6), 1159-1194 (2014).</li>
<li>Lawrence, J., Crosson, A., Paré-Blagoev, E., Snow, C. <a target="_blank" href="http://journals.sagepub.com/doi/abs/10.3102/0002831215579485">Word generation randomized trial: Discussion mediates the impact of program treatment on academic word learning.</a> American Educational Research Journal. 52 (4), 750-786 (2015).</li>
</ol>

Autorzy oświadczają, że nie mają konkurencyjnych interesów finansowych.

W protokole istnieją trzy krytyczne kroki dekompozycji wariancji R na unikalną i wspólną wariancję ze względu na L i D. Najpierw odejmij R2 w modelu tylko L od pełnego modelu, aby uzyskać unikalne R2 dla D. Po drugie, odejmij R2 dla modelu tylko D od pełnego modelu, aby uzyskać unikalne R2 dla L. Po trzecie, aby uzyskać wspólną wariancję wyjaśnioną przez L i D, odejmij sumę dwóch unikalnych R2 od R2 dla pełnego modelu.
Modyfikac...

Prosty widok czytania1 (SVR) jest nadal popularnym modelem czytania ze względu na swoją prostotę - czytanie (R) jest produktem dekodowania (D) i języka (L) - oraz dlatego, że SVR ma tendencję do wyjaśniania, średnio, około 60% wyjaśnionej wariancji w czytaniu ze zrozumieniem2. SVR przewiduje, że korelacje między D i R będą się zmniejszać z czasem, a korelacje między L i R będą rosły z czasem. Badania na ogół potwierdzają to przewidywanie3,4,5. Istnieją jednak różnice zdań co do funkcjonalnej formy SVR, przy czym modele addytywne (D + L = R) wyjaśniają znacznie większą wariancję w czytaniu ze zrozumieniem niż modele produktów (D × L = R)6,7,8, a kombinacja sumy i iloczynu [R = D + L + (D × L) wyjaśnia największą wariancję w czytaniu ze zrozumieniem3, 9.
Ostatnio model SVR rozszerzył się poza regresje oparte na obserwowanych zmiennych do modelowania zmiennych utajonych za pomocą konfirmacyjnej analizy fabrycznej i modelowania równań strukturalnych. D jest zwykle mierzone za pomocą czytania prawdziwych słów i/lub niesłów bez pomiaru czasu, a R jest zwykle mierzone za pomocą standardowego testu czytania, który obejmuje umiejętność czytania i pisania oraz fragmenty informacyjne, po których następują pytania wielokrotnego wyboru. L jest zwykle mierzone za pomocą testów słownictwa ekspresyjnego i receptywnego oraz, zwłaszcza w klasach podstawowych, za pomocą miar składni ekspresyjnej i receptywnej oraz rozumienia ze słuchu. Większość badań podłużnych podaje, że L jest jednowymiarowy10,11,12,13. Jednak inne badanie podłużne14 podaje dwuczynnikową strukturę dla L w klasach podstawowych i jednowymiarową strukturę w klasach 4 i 8. Ostatnie badania przekrojowe donoszą, że model dwuczynnikowy najlepiej pasuje do danych i przewiduje R15,16,17,18. Na przykład Foorman i wsp.16 porównał jednowymiarowe, trzy-, czteroczynnikowe i dwuczynnikowe modele SVR w danych od uczniów klas 4-10 i stwierdził, że model dwuczynnikowy najlepiej pasuje i wyjaśnia od 72% do 99% wariancji R. Ogólny czynnik L wyjaśniał wariancję we wszystkich siedmiu stopniach, a słownictwo i składnia jednoznacznie wyjaśniały wariancję tylko w jednej klasie. Chociaż czynnik D był umiarkowanie skorelowany z L i R we wszystkich stopniach (odpowiednio 0,40-0,60 i 0,47-0,74), nie był jednoznacznie skorelowany z R w obecności ogólnego czynnika L.
Mimo że modelowanie zmiennych utajonych rozszerzyło SVR, rzucając światło na wymiarowość L i unikalną rolę, jaką L odgrywa w przewidywaniu R poza podstawowymi stopniami, nie ma żadnych badań SVR, z wyjątkiem jednego przeprowadzonego przez Foormana i wsp.19 podzielili wariancję czytania ze zrozumieniem na to, co jest unikalne dla D i L oraz na to, co jest wspólne. Jest to duże pominięcie w literaturze. Koncepcyjnie ma to sens, że D i L miałyby wspólną wariancję w przewidywaniu języka pisanego, ponieważ rozpoznawanie słów pociąga za sobą umiejętności lingwistyczne w zakresie fonologii, semantyki i dyskursu na poziomie zdania i tekstu20. Podobnie, rozumienie lingwistyczne musi być połączone z ortograficznymi reprezentacjami fonemów, morfemów, słów, zdań i dyskursu, jeśli tekst ma być zrozumiany21. Pomnożenie D przez L nie daje wiedzy wspólnej dla tych składników. Tylko dekompozycja wariancji na to, co jest unikalne i to, co jest wspólne dla D i L w przewidywaniu R, ujawni zintegrowaną wiedzę kluczową dla powodzenia interwencji edukacyjnych.
Jedno badanie przeprowadzone przez Foormana i wsp.19, który rozłożył wariancję czytania ze zrozumieniem na to, co jest unikalne i to, co jest wspólne dla D i L, zastosował podejście do modelowania zmiennych utajonych. Poniższy protokół demonstruje tę technikę z danymi od uczniów klas 1, 7 i 10 w oparciu o pojedyncze obserwowane zmienne dla D (dekodowanie czasowe), L (receptywne słownictwo) i R (standaryzowany test czytania ze zrozumieniem), aby proces dekompozycji był łatwy do zrozumienia. Dane reprezentują podzbiór danych z Foorman i wsp.19.

<table><tbody><tr><td>IBM SPSS Statistics Software</td><td>IBM</td><td></td><td></td></tr><tr><td>Microsoft Office Excel</td><td>Microsoft</td><td></td><td></td></tr></tbody></table>

dekompozycja wariancji w czytaniu ze zrozumieniem w celu ujawnienia unikalnych i powszechnych efektów języka i dekodowania

Decomposing the Variance in Reading Comprehension to Reveal the Unique and Common Effects of Language and Decoding

Prosty Widok Czytania to popularny model czytania, który twierdzi, że czytanie jest produktem dekodowania i języka, przy czym każdy komponent jednoznacznie przewiduje czytanie ze zrozumieniem. Chociaż naukowcy spierali się, czy suma, a nie iloczyn składników, jest lepszym predyktorem, żaden badacz nie podzielił wyjaśnionej wariancji, aby zbadać, w jakim stopniu składniki mają wspólną wariancję w przewidywaniu odczytu. Aby zdekomponować wariancję, odejmujemy R2 dla modelu tylko języka od pełnego modelu, aby uzyskać unikatowy R2 do dekodowania. Po drugie, odejmujemy R2 dla modelu tylko dekodowania od pełnego modelu, aby uzyskać unikatowy R2 dla języka. Po trzecie, aby uzyskać wspólną wariancję wyjaśnioną przez język i dekodowanie, odejmujemy sumę dwóch unikalnych R2 od R2 dla pełnego modelu. Metoda jest demonstrowana w podejściu regresyjnym z danymi od uczniów z klas 1 (n = 372), 6 (n = 309) i 10 (n = 122) przy użyciu obserwowanej miary języka (słownictwo receptywne), dekodowania (czytanie słów na czas) i czytania ze zrozumieniem (test standaryzowany). Wyniki ujawniają stosunkowo dużą wariancję w czytaniu ze zrozumieniem, wyjaśnioną w stopniu 1 przez powszechną wariancję w dekodowaniu i języku. Jednak w klasie 10 to unikalny efekt języka i powszechny efekt języka i dekodowania wyjaśniają większość różnic w czytaniu ze zrozumieniem. Wyniki omówiono w kontekście rozszerzonej wersji Prostego Spojrzenia na Czytanie, która uwzględnia unikalne i wspólne efekty języka i dekodowania w przewidywaniu czytania ze zrozumieniem.

Celem niniejszego badania była analiza wpływu unikalnej i wspólnej wariancji języka (L) oraz dekodowania (D) na przewidywanie rozumienia tekstu (R) w klasach 1, 7 i 10 na Florydzie – w stanie, którego demografia jest reprezentatywna dla całego kraju. Sformułowano dwie hipotezy dotyczące przewidywań wariancji wyjaśniającej rozumienie tekstu. Po pierwsze, po klasach początkowych unikalny wkład D znacząco spadnie, a unikalny wkład L wzrośnie. Po drugie, unikalny wkład L oraz wspólne wkłady D...

Tutaj prezentujemy protokół rozkładu różnic w czytaniu ze zrozumieniem na unikalne i powszechne efekty języka i dekodowania.

Dekompozycja wariancji w czytaniu ze zrozumieniem w celu ujawnienia unikalnych i powszechnych efektów języka i dekodowania

The Simple View of Reading is a popular model of reading that claims that reading is the product of decoding and language, with each component uniquely ...

Metoda ta może pomóc odpowiedzieć na kluczowe pytania w dziedzinie nauk społecznych dotyczące psychologii czytania i rozwoju języka. Technika ta ilustruje, w jaki sposób indywidualne cechy różnic współsię różnią i jak unikalny efekt może się zachwiać w porównaniu z efektem wspólnym z innymi cechami. Implikacje tej techniki rozciągają się na nauki społeczne w szerszym kontekście.Ponieważ pozwala to na uwzględnienie powszechności predyktorów, które pomagają nam zrozumieć nakładającą się wariancję. Aby wczytać dane do oprogramowania za pomocą graficznego interfejsu użytkownika, kliknij plik i najedź myszką na otwarty. Kliknij dane i znajdź odpowiedni plik danych na komputerze.Jeśli typ pliku nie jest zgodny z oprogramowaniem z graficznym interfejsem użytkownika, kliknij pozycję Pliki typu i wybierz odpowiedni format pliku. Następnie kliknij przycisk Otwórz. Aby wyjaśnić całkowitą wariancję na podstawie dwóch zmiennych niezależnych, kliknij przycisk Analizuj i najedź myszą na regresję, aby wybrać opcję liniowa.Kliknij zmienną zależną na liście zmiennych, a następnie strzałkę obok opcji dependent. Kliknij dwie zmienne niezależne na liście zmiennych i kliknij strzałkę obok opcji niezależność. Kliknij OK i kliknij okno przeglądarki oprogramowania.Użyj myszy, aby przewinąć do sekcji podsumowania modelu i zapisać wartość w polu R kwadrat. Następnie oznacz tę wartość jako całkowitą R do kwadratu. Aby wyjaśnić całkowitą wariancję na podstawie zmiennej niezależnej jeden, powtórz wyjaśnienie całkowitej wariancji tylko ze zmienną niezależną jeden na liście zmiennych niezależnych i kliknij okno przeglądarki oprogramowania.Następnie użyj myszy, aby przewinąć do sekcji podsumowania modelu, zapisz wartość w kolumnie kwadratowej R i oznacz tę wartość zmienną niezależną jako jedno R do kwadratu. Aby wyjaśnić całkowitą wariancję na podstawie zmiennej niezależnej dwa, powtórz wyjaśnienie całkowitej wariancji tylko ze zmienną niezależną dwa na liście zmiennych niezależnych i kliknij okno przeglądarki oprogramowania. Następnie użyj myszy, aby przewinąć do sekcji podsumowania modelu, zapisz wartość w kolumnie kwadratu R i oznacz tę wartość zmienną niezależną jako dwa R kwadratowe.Aby obliczyć unikatowe, powszechne i niewyjaśnione składniki wariancji, otwórz oprogramowanie do zarządzania danymi i wprowadź odpowiednio całkowitą zmienną niezależną R kwadrat i zmienną niezależną dwa R kwadrat do kwadratu do komórek A1, B1 i C1. Wprowadź całkowitą wartość R kwadrat w komórce A2. Zmienna niezależna jeden R kwadrat wartość do B2, a zmienna niezależna dwie R kwadrat wartość do C2.To obliczyć unikalną wariancję zmiennej jeden, wprowadź formułę do D2 i oznacz tę wartość jako unikalną wariancję zmiennej jeden w D1.To obliczyć unikalną wariancję zmiennej drugiej, wprowadź formułę do E2 i oznacz wartość jako unikalną wariancję zmiennej drugiej w E1.To obliczyć wspólną wariancję między zmiennymi jeden i dwa, wprowadź formułę do F2 i oznacz tę wartość jako wspólną różne między zmiennymi jeden i dwa w F1.To obliczyć niewyjaśnioną wariancję, wprowadź formułę do G2 i oznacz tę wartość niewyjaśnioną wariancją w G1.To wykreślić unikalną wariancję zmiennej jeden, unikalną wariancję zmiennej dwa, wspólną wariancję między zmiennymi jeden i dwa, i niewyjaśnionej wariancji, kliknij i przeciągnij komórki myszy nad D2, E2, F2 i G2, aby podświetlić dane, a następnie kliknij przycisk Wstaw, a następnie kliknij pozycję Wykresy, Wykres kołowy i Wykres kołowy 2D. W tym reprezentatywnym badaniu unikalnych i powszechnych wariancji językowych i dekodowania w celu przewidywania czytania ze zrozumieniem, analiza regresji dla uczniów klasy pierwszej stanowiła 60% całkowitej wariancji czytania ze zrozumieniem.Kiedy wariancja w klasie pierwszej została rozłożona na unikalne i wspólne efekty, dekodowanie jednoznacznie wyjaśniało 24% wariancji w czytaniu ze zrozumieniem, a język jednoznacznie wyjaśniał 17% wariancji. Powszechna wariancja dekodowania i języka wynosiła 19%W klasie siódmej analiza regresji stanowiła 53% całkowitej wariancji w czytaniu ze zrozumieniem. Przy czym dekodowanie jest jednoznacznie wyjaśnione przez 7% wariancji czytania ze zrozumieniem, a język wyjaśniony przez 28% wariancji.Powszechna wariancja dekodowania i języka w wyjaśnianiu wariancji czytania ze zrozumieniem wynosiła 18%W klasie 10 analiza regresji stanowiła 61% całkowitej wariancji czytania ze zrozumieniem. Przy czym dekodowanie jednoznacznie odpowiada za 6% wariancji, a język jednoznacznie odpowiada za 42% wariancji. Powszechna wariancja dekodowania i języka w wyjaśnianiu wariancji czytania ze zrozumieniem wynosiła 13%Próbując wykonać tę procedurę, należy pamiętać, że proces dekompozycji różni się od typowych podejść regresyjnych polegających na osobnym obliczaniu unikalnej wariancji, którą wyjaśnia każda zmienna niezależna.Protokół ten może być modyfikowany, aby odpowiedzieć na dodatkowe pytania dotyczące tego, czy proporcje unikalnych i wspólnych wariancji różnią się w zależności od statusu społeczno-ekonomicznego. Co więcej, obserwowalne zmienne można zastąpić zmiennymi utajonymi w celu zmniejszenia błędu pomiaru. Ilość wspólnej wariancji, którą dekodowanie i język razem wyjaśniają w przewidywaniu czytania ze zrozumieniem, zwłaszcza w klasach podstawowych, sugeruje, że nauczanie powinno koncentrować się na integracji wiedzy językowej na poziomie słów.

decomposing-variance-reading-comprehension-to-reveal-unique-common

Research

JoVE Journal

Behavior

Zachowanie

Niniejszy artykuł omawia metodologię śledzenia wzroku w badaniach nad rozumieniem języka. Aby uzyskać wiarygodne dane, należy postępować zgodnie z kluczowymi krokami protokołu. Należą do nich m.in. prawidłowa konfiguracja eye trackera (np. zapewniająca dobrą jakość obrazów oka i głowy) oraz dokładna kalibracja.

Śledzenie ruchu gałek ocznych podczas wizualnego rozumienia języka: elastyczność i ograniczenia w odkrywaniu wizualnych efektów kontekstowych

Metoda została zaprojektowana w celu zbadania roli hamowania powrotu (IOR) w regresyjnych ruchach gałek ocznych podczas czytania. Nacisk kładziony jest na rozróżnienie między regresjami wywołanymi w wyniku trudności ze zrozumieniem a tymi wywołanymi błędem okoruchowym, w tym na roli IOR w tych dwóch typach regresji.

Śledzenie ruchu gałek ocznych w celu rozróżnienia regresywnych ruchów gałek ocznych opartych na rozumieniu i okoruchowych podczas czytania

Przedstawiamy protokół do badania wykorzystania wskazówek morfologicznych podczas rozumienia zdań w czasie rzeczywistym przez dzieci z autyzmem.

Wykorzystanie paradygmatu świata wizualnego do badania rozumienia zdań u dzieci z autyzmem mówiących po mandaryńsku

Tutaj prezentujemy protokół wykorzystujący zadania interferencji dwumodalnej do badania przetwarzania online zdań względnych mówionych w języku chińskim. Opisano dwa przykładowe eksperymenty polegające na przetwarzaniu słuchowym z interferencjami wewnątrz- i zewnątrzsennymi. Paradygmat zapewnia metodologię zajmowania się naturą pamięci roboczej i jej wpływem na przetwarzanie zdań.

Badanie przetwarzania składniowego online mówionych zdań złożonych w języku chińskim przy użyciu zadań interferencji dwumodalnej

Ten artykuł opisuje, jak przeprowadzić prosty eksperyment decyzyjny leksykalny do oceny rozpoznawania słów pisanych u neurologicznie zdrowych uczestników oraz u osób z demencją i spadkiem funkcji poznawczych. Przedstawiamy również szczegółowy opis analizy czasu reakcji z wykorzystaniem analizy głównych składowych (PCA) i modelowania efektów mieszanych.

Leksykalne zadanie decyzyjne do badania rozpoznawania słów pisanych u dorosłych z demencją lub łagodnymi zaburzeniami poznawczymi i bez nich

Ten artykuł demonstruje zastosowanie metody złotego standardu w genetyce behawioralnej, metody dekompozycji Cholesky'ego, do oszacowania unikalnych, nakładających się na siebie wpływów genetycznych i środowiskowych na różne zmienne, aby odpowiedzieć na pytania badawcze motywowane podłużnie.

Wykorzystanie dekompozycji Cholesky'ego do badania indywidualnych różnic w relacjach podłużnych między umiejętnościami czytania

To badanie przedstawia proponowany protokół identyfikacji dysleksji. Protokół opiera się na modelach diagnostycznych i odpowiedzi na interwencję. Propozycja zakłada wykorzystanie ustrukturyzowanych wywiadów i standaryzowanych testów do oceny wydajności czytania i pisania oraz czynników determinujących.

Ocena dysleksji w wieku sześciu lat

Prezentowany tutaj jest protokół wprowadzający zestaw przyjaznych dzieciom zadań do nauki statystycznej, mających na celu zbadanie uczenia się przez dzieci wzorców statystycznych w różnych dziedzinach i modalnościach sensorycznych. Opracowane zadania zbierają dane behawioralne przy użyciu platformy internetowej i danych funkcjonalnego rezonansu magnetycznego (fMRI) w celu zbadania zaangażowania neuronalnego podczas uczenia się statystycznego.

Pomiar statystycznego uczenia się w różnych modalnościach i dziedzinach u dzieci w wieku szkolnym za pośrednictwem platformy internetowej i technik neuroobrazowania

Bateria multimedialna do oceny ogólnych i szczegółowych umiejętności czytania jest niezawodną i ważną baterią multimedialną przeznaczoną do oceny poznawczych i podstawowych umiejętności czytania. Umożliwia wygenerowanie kompleksowego profilu sprawności poznawczej i czytania, co jest szczególnie korzystne dla dzieci z dysleksją.

Postęp w ocenie dysleksji u dzieci poprzez testy komputerowe

Niniejszy artykuł opisuje, jak używać metodologii śledzenia ruchu gałek ocznych do badania procesów poznawczych związanych ze zrozumieniem tekstu. Dołączono opisy sprzętu do śledzenia ruchu gałek ocznych, sposób opracowywania bodźców eksperymentalnych oraz zalecenia proceduralne. Przedstawione informacje można zastosować do większości badań z wykorzystaniem bodźców werbalnych.

Wykorzystanie ruchów gałek ocznych do oceny procesów poznawczych związanych ze zrozumieniem tekstu

Poznaj metodę dekompozycji wariancji w czytaniu ze zrozumieniem, ujawniającą unikalne i wspólne efekty języka oraz dekodowania. Technika ta pomaga zrozumieć indywidualne różnice w rozwoju czytania.

Dekompozycja wariancji w czytaniu ze zrozumieniem w celu ujawnienia unikalnych i powszechnych efektów języka i dekodowania

Przeglądaj więcej filmów