Name: Decomposição da Variância na Compreensão de Leitura para Revelar os Efeitos Únicos e Comuns da Linguagem e Decodificação. (Vídeo) | JoVE Journal
Uploaded: 2018-10-11T15:00:00.000+00:00
Duration: 6 min 33 s
Description: Descubra como decompor a variância na compreensão de leitura para revelar os efeitos únicos e comuns da linguagem e decodificação. Este método ajuda pesquisadores a entender diferenças individuais no desenvolvimento da leitura.

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

A pesquisa relatada aqui foi apoiada pelo Instituto de Educação Ciências, departamento de educação dos Estados Unidos, através de um subaward para a Florida State University de Grant R305F100005 para o Educational Testing Service como parte da leitura para a compreensão Iniciativa. As opiniões expressadas são as dos autores e não representam a opinião do Instituto, o U.S. Department of Education, Educational Testing Service ou Florida State University.

Nota: As etapas a seguir descrevem em decomposição de variância total em uma variável dependente (Y) em componentes de variância única, variância comume inexplicável variação com base em duas variáveis selecionadas do independente (chamadas <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> e <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> para este exemplo) usando o software com uma interface gráfica do usuário e software de gerenciamento de dados (consulte a Tabela de materiais).
1. leitura de dados em Software com uma Interface gráfica do usuário
<ol><li>Clique no arquivo.
	<ol>
<li>Passe o mouse sobre abertas.
</li>
		<li>Clique em dados.
</li>
	</ol>
</li>
	<li>Localize o arquivo de dados relevantes no computador.<ol>
<li>Se o tipo de arquivo não é compatível com o software com uma interface gráfica do usuário, clique em Arquivos do tipo e selecione o formato de arquivo apropriado.</li>
	</ol>
</li>
	<li>Clique em abertas.
</li>
</ol>2. estimar a variância explicada na variável dependente (Y)
<ol><li>
Total variância explicada com base em duas variáveis independentes — Total R2. Nota: Um valor de R2 é conhecido como o coeficiente de determinação e representa a proporção de variância de uma variável dependente que é explicada por um conjunto de variáveis independentes.<ol>
<li>Clique em Analyze e passe o mouse sobre regressão e selecione Linear.
</li>
		<li>Clique na variável dependente na lista variável. Em seguida, clique na seta ao lado do dependente.</li>
		<li>Clique sobre as duas variáveis independentes (X1 e X2) na lista variável. Em seguida, clique na seta ao lado de Independent(s).</li>
		<li>Clique Okey.</li>
		<li>Clique na janela do Visualizador do software.<ol>
<li>Use o mouse para rolar para a seção chamada Modelo de resumo. Registre o valor na coluna R quadrado e etiqueta este valor Total de R2.</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Total variância explicada com base em<img alt="Equation 3" src="/files/ftp_upload/58557/58557eq3.jpg"><ol>
<li>Repita as etapas 2.1.1 através de 2.1.4 usando apenas <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> na lista variável independente.</li>
		<li>Clique na janela do Visualizador do software.<ol>
<li>Use o mouse para rolar para a seção chamada Modelo de resumo. Registre o valor na coluna R quadrado e rotular esse valor <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> R2.</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Total variância explicada com base em<img alt="Equation 4" src="/files/ftp_upload/58557/58557eq4.jpg"><ol>
<li>Repita as etapas 2.1.1 através de 2.1.4 usando apenas <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> na lista variável independente.</li>
		<li>Clique na janela do Visualizador do software.<ol>
<li>Use o mouse para rolar para a seção chamada Modelo de resumo. Registre o valor na coluna R quadrado e rotular esse valor <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> R2.</li>
		</ol>
</li>
	</ol>
</li>
</ol>3. os componentes de variância única, comum e inexplicável de computação
<ol><li>Abra o software de gerenciamento de dados.</li>
	<li>Insira os rótulos Total R2, <img alt="Equation 3" src="/files/ftp_upload/58557/58557eq3.jpg"> R2, e <img alt="Equation 4" src="/files/ftp_upload/58557/58557eq4.jpg"> R2 nas células A1, B1 e C1, respectivamente.</li>
	<li>Digite o valor de2 Total Rda etapa 2.1.5.1 na célula A2.</li>
	<li>Digite o <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> R2 valor da etapa 2.2.2.1 na célula B2.</li>
	<li>Digite o <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> R2 valor da etapa 2.3.2.1 na célula C2.</li>
	<li>Calcular a variância única de 1 variável (U<img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg">R2) do software de gestão de dados.<ol>
<li>No tipo de célula D2: "= A2-C2" (ou seja, Total R2 menos <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> R2). Na célula D1 rotular esse valor U<img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg">R2.</li>
	</ol>
</li>
	<li>Calcular a variância original de 2 variáveis (U<img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg">R2) do software de gestão de dados.<ol>
<li>No tipo de célula E2: "= A2-B2" (ou seja, Total R2 menos <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> R2). Na célula E1 rotular esse valor U<img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg">R2.</li>
	</ol>
</li>
	<li>Calcular a variância comum entre as variáveis 1 e 2 (C<img alt="Equation 5" src="/files/ftp_upload/58557/58557eq5.jpg">R2) do software de gestão de dados.<ol>
<li>No tipo de célula F2: "= A2-D2-E2" (ou seja, Total R2 menos U<img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg">R2 menos U<img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg">R2). Na célula F1 rotular esse valor C<img alt="Equation 5" src="/files/ftp_upload/58557/58557eq5.jpg">R2.</li>
	</ol>
</li>
	<li>Calcule a variância inexplicado (e) no software de gerenciamento de dados.<ol>
<li>No tipo de célula G2: "= A2-1" (ou seja, 1-Total R2). Na célula G1 rotular Este valor e.
</li>
	</ol>
</li>
</ol>4. traçar a UX1R2UX2R2, CX1X2R2e valores
Nota: Valores em células D2, E2, F2 e G2 são plotadas.
<ol><li>Clique e arraste o mouse sobre as células D2, E2, F2 e G2 para realçar os dados.</li>
	<li>Clique em Inserir na faixa de opções de software de gerenciamento de dados.</li>
	<li>Clique no Charts | Gráfico de pizza | gráfico de pizza 2D.
</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>

Os autores declaram que eles têm não tem interesses financeiro concorrente.

Existem três passos críticos no protocolo de decomposição da variância em R em variância única e comum devido a L e D. Em primeiro lugar, subtraia a R2 no modelo L-somente a partir do modelo completo para obter o exclusivo R2 para D. Em segundo lugar, subtraia a R2 para o modelo D-somente a partir do modelo completo para obter o exclusivo R2 para L. terceiro, para obter a variância comum explicada por L e D, subtrair a soma das duas únicas R2 do R2 para o ...

A simples visão de leitura1 (SVR) continua como um modelo popular de leitura por causa de sua simplicidade-leitura (R) é o produto de decodificação (D) e linguagem (L)- e porque SVR tende a explicar, em média, cerca de 60% de explicou variância em leitura compreensão2. SVR prevê que as correlações entre D e R irão diminuir ao longo do tempo e que as correlações entre L e R vão aumentar ao longo do tempo. Estudos geralmente suportam esta previsão3,4,5. Existem divergências, no entanto, sobre a forma funcional da SVR, com modelos de aditivos (D + L = R) explicando a variação mais significativamente na compreensão do que os modelos de produto de leitura (D × L = R)6,7,8e um combinação de soma e produto [R = D + L + (D × L) explicando a maior quantidade de variância na leitura compreensão3,9.
Recentemente, o modelo SVR expandiu-se além de regressões com base em variáveis observadas para modelagem de variável latente usando análise confirmatória da fábrica e modelagem de equações estruturais. D é normalmente medido com duração indeterminada ou atingiu o tempo de leitura de palavras reais e/ou nonwords e R é normalmente medido por um teste padronizado de leitura que inclui a alfabetização e informativas passagens seguidas de questões de múltipla escolha. L é tipicamente medida por testes de vocabulário expressivo e receptivo e, especialmente nas séries primárias, através de medidas de sintaxe expressiva e receptiva e compreensão auditiva. Mais estudos longitudinais relatam que L é unidimensional10,11,12,13. No entanto, outro estudo longitudinal14 relata uma estrutura de dois fatores para L nas classes primárias e uma estrutura unidimensional de grau 4 e 8. Recentes estudos transversais relatam que um modelo de bifactor melhor se ajusta os dados e prediz R15,16,17,18. Por exemplo, Foorman et al 16 comparado unidimensional, três fatores, quatro fatores e bifactor modelos de SVR nos dados de alunos em séries 4-10 e descobriu que um modelo de bifactor se encaixam melhor e explicou 72% a 99% da variância em R. Um fator geral de L explicou que a variação em todas as sete notas e vocabulário e sintaxe excepcionalmente explicou variância apenas em um grau cada. Embora o fator D foi moderadamente correlacionado com L e R, em todos os graus (0,40-0,60 e 0,47-0,74, respectivamente), não foi exclusivamente correlacionado com R na presença do fator geral de L.
Apesar de modelagem variável latente tem expandido SVR derramando luz sobre a dimensionalidade do L e o único papel que L desempenha na previsão R além as notas primárias, não há estudos de SVR exceto um por Foorman et al 19 particionou a variância em compreensão de leitura em que é devido exclusivamente a D e L e o que é partilhado em comum. Esta é uma grande omissão na literatura. Conceitualmente, faz sentido que D e L compartilharia variância na previsão de linguagem escrita porque o reconhecimento da palavra implica as habilidades linguísticas de fonologia, semântica e discurso com a frase e texto níveis20. Da mesma forma, compreensão linguística deve ser ligado a representações ortográficas de fonemas, morfemas, palavras, frases e discursos se texto é para ser entendido21. Multiplicando-se D por L não rende o conhecimento compartilhado por estes componentes. Apenas a decomposição da variância no que é único e o que é compartilhado por D e L r prever irá revelar o conhecimento integrado crucial para o sucesso das intervenções educativas.
Um estudo de Foorman et al 19 que decompor a variação de compreensão de leitura no que é único e que é partilhado em comum por D e L empregou uma variável latente, abordagem de modelagem. O protocolo seguinte demonstra a técnica com dados de alunos em graus 1, 7 e 10 baseado em único observado variáveis para D (decodificação cronometrado), L (vocabulário receptivo) e R (padronizado de teste de compreensão de leitura) para tornar o processo de decomposição fácil de entender. Os dados representam um subconjunto dos dados de Foorman et al 19.

<table><tbody><tr><td>Software de Estatísticas IBM SPSS</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>

decomposição da variância na compreensão de leitura para revelar os efeitos Únicos e comuns da linguagem e decodificação.

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

A simples visão de leitura é um modelo popular de leitura que afirma que a leitura é o produto da decodificação e da linguagem, com cada componente exclusivamente prevendo a compreensão da leitura. Embora os pesquisadores argumentaram que se soma ao invés do produto dos componentes é o melhor preditor, pesquisadores não particionou a variância explicada para examinar a extensão a que os componentes compartilham variância na previsão de leitura. Para decompor a variância, subtraímos o R2 para o modelo somente de linguagem do modelo completo para obter o exclusivo R2 para decodificação. Em segundo lugar, subtraímos o R2 para o modelo somente de decodificação do modelo completo para obter o exclusivo R2 para língua. Em terceiro lugar obter a variância comum explicado pela linguagem e decodificação, subtraímos a soma dos dois únicos R2 do R2 para o modelo completo. O método é demonstrado em uma abordagem de regressão com dados de alunos em classes 1 (n = 372), 6 (n = 309) e 10 (n = 122) usando uma medida observada da linguagem (vocabulário receptivo), decodificação (leitura de palavra cronometrado) e compreensão (teste padronizado) de leitura. Os resultados revelam uma quantidade relativamente grande de variância em explicado na série 1 de compreensão de leitura pela variância comum em decodificação e linguagem. Pelo grau 10, no entanto, é o único efeito da linguagem e o efeito comum de linguagem e decodificação que explicou a maioria da variância em compreensão de leitura. Os resultados são discutidos no contexto de uma versão expandida da exibição simples de leitura que considera efeitos exclusivos e compartilhados de descodificação na previsão de compreensão de leitura e linguagem.

O objetivo deste estudo foi investigar as contribuições da variância única e comum de linguagem (L) e decodificação (D) para predizer a compreensão (R) de leitura em graus 1, 7 e 10, na Flórida, um Estado cuja demografia são representativos da nação como um todo. Havia duas hipóteses sobre as previsões da variância explicada em compreensão de leitura. Primeiro, depois as qualidades primárias, a contribuição única de D diminuirá significativamente, e aumentará a contribuição única de L. Em...

Aqui nós apresentamos um protocolo para a decomposição da variância em compreensão de leitura sobre os efeitos da únicos e comuns de linguagem e decodificação.

Decomposição da Variância na Compreensão de Leitura para Revelar os Efeitos Únicos e Comuns da Linguagem e Decodificação.

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 ...

Esse método pode ajudar a responder a perguntas-chave no campo das ciências sociais sobre a psicologia da leitura e do desenvolvimento da linguagem. Esta técnica ilustra como as características da diferença individual co-variam e como um efeito único pode se enrosco em comparação com um efeito compartilhado com outras características. As implicações dessa técnica se estendem mais amplamente às ciências sociais.Como permite contabilizar a comunhão dos preditores que nos ajudam a entender a variância sobreposta. Para ler os dados no software com uma interface gráfica do usuário, clique em arquivo e passe o mouse aberto. Clique em dados e localize o arquivo de dados relevante no computador.Se o tipo de arquivo não for consistente com o software com uma interface gráfica do usuário, clique em arquivos do tipo e selecione o formato de arquivo apropriado. Em seguida, clique em abrir. Para explicar a variância total com base em duas variáveis independentes, clique em analisar e pairar o mouse sobre a regressão para selecionar linear.Clique na variável dependente na lista variável, seguida pela seta ao lado do dependente. Clique nas duas variáveis independentes da lista variável e clique na seta ao lado da independência. Clique bem e clique na janela do visualizador do software.Use o mouse para rolar até a seção de resumo do modelo e gravar o valor em R quadrado. Em seguida, rotule este valor total R ao quadrado. Para explicar a variância total com base na variável independente um, repita a explicação de variância total com variável independente apenas na lista variável independente e clique na janela do visualizador do software.Em seguida, use o mouse para rolar até a seção de resumo do modelo, gravar o valor sob a coluna quadrada R e rotular este valor variável independente um R ao quadrado. Para explicar a variância total com base na variável independente dois, repita a explicação de variância total com a variável independente dois apenas na lista variável independente e clique na janela do visualizador do software. Em seguida, use o mouse para rolar até a seção de resumo do modelo, gravar o valor sob a coluna quadrada R e rotular este valor variável independente dois R ao quadrado.Para calcular os componentes de variância únicos, comuns e inexplicáveis, abra o software de gerenciamento de dados e insira a variável independente total R ao quadrado um R ao quadrado e à variável independente dois R ao quadrado nas células A1, B1 e C1 respeitosamente. Digite o valor total R quadrado em A2. A variável independente um valor ao quadrado de R em B2, e a variável independente de dois R ao quadrado em C2. Para calcular a variância única da variável um, digite a fórmula em D2 e rotule esse valor como uma variância única da variável um em D1. Para calcular a variância única da variável dois, digite a fórmula em E2 e rotule o valor como variância única da variável dois no E1. Para calcular a variância comum entre as variáveis um e dois, digite a fórmula em F2, e rotule esse valor como comum entre as variáveis um e dois na F1. Para calcular a variância inexplicável, digite a fórmula em G2 e rotule esse valor de variação inexplicável no G1. Para traçar a variância única da variável um, a variância única da variável dois, a variância comum entre as variáveis um e dois, e a variância inexplicável, clique e arraste as células do mouse sobre D2, E2, F2 e G2 para destacar os dados e clique em inserir, em seguida, clique em gráficos, gráfico de tortas e gráfico de tortas 2D. Neste estudo representativo de variâncias únicas e comuns da linguagem e decodificação para prever a compreensão da leitura, a análise de regressão para os alunos do primeiro ano representou 60% da variância total na compreensão da leitura.Quando a variância no grau um foi decomposta em efeitos únicos e comuns, a decodificação explicou exclusivamente os 24% de variância na compreensão da leitura, e a linguagem explicou exclusivamente os 17% de variância. A variação comum da decodificação e da linguagem foi de 19% No grau sete, a análise de regressão representou 53% da variância total na compreensão da leitura. Com a decodificação explicada exclusivamente por 7% da variância na compreensão da leitura, e a linguagem explicou 28% da variância.A variação comum da decodificação e da linguagem ao explicar a variância na compreensão da leitura foi de 18%No grau 10, a análise de regressão representou 61% da variância total na compreensão da leitura. Com a decodificação representando exclusivamente 6% da variância, e a linguagem representando exclusivamente 42% da variância. A variância comum da decodificação e da linguagem ao explicar a variância na compreensão da leitura foi de 13% Ao tentar esse procedimento, é importante lembrar que o processo de decomposição difere das abordagens típicas de regressão de calcular separadamente a variância única que cada variável independente explica.Este protocolo pode ser modificado para responder a perguntas adicionais sobre se as proporções de variâncias únicas e comuns diferem pelo status socioeconômico. Além disso, as variáveis observáveis podem ser substituídas por variáveis latentes para reduzir o erro de medição. A quantidade de variância comum que a decodificação e a linguagem em conjunto explicam na previsão da compreensão da leitura, especialmente nas notas elementares sugerem que a instrução deve se concentrar na integração do conhecimento linguístico no nível da palavra.

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

Research

JoVE Journal

Behavior

Comportamento

O presente artigo clientes uma metodologia de acompanhamento de olho para estudos na compreensão da linguagem. Para obter dados fiáveis, etapas-chave do protocolo devem ser seguidas. Entre estes estão a afinação correta do tracker do olho (por exemplo, garantindo a boa qualidade das imagens olhos e cabeça) e calibração precisa.

Olho de monitoramento durante a compreensão de linguagem visualmente situado: Flexibilidade e limitações no descobrindo contexto Visual Effects

O método foi projetado para investigar o papel da inibição do retorno (IOR) em movimentos de olhos regressivos durante a leitura. O foco é na diferenciação entre regressões desencadeadas como resultado de compreensão dificuldade contra aqueles acionado por erro oculomotor, incluindo o papel de IOR em dois tipos de regressões.

Eye-tracking para distinguir os movimentos oculares regressivo compreensão-Oculomotor baseados e durante a leitura

Apresentamos um protocolo para examinar o uso de pistas morfológicas durante a compreensão da frase em tempo real por crianças com autismo.

Usando o paradigma de mundo Visual para estudar a compreensão da frase em língua Mandarim de crianças com autismo

Aqui, apresentamos um protocolo empregando tarefas de interferência Dual-modal para examinar o processamento on-line de frases relativas à cláusula relativa chinesa falada. Duas experiências do exemplar que envolvem o processamento auditivo com interferências intra e extrasentential são descritas. O paradigma fornece uma metodologia para abordar a natureza da memória de trabalho e seus efeitos no processamento de sentenças.

Examinando o processamento sintático online de frases complexas faladas em Chinês usando tarefas de interferência de modal duplo

Este artigo descreve como implementar um experimento de decisão lexical simples para avaliar o reconhecimento de palavras escritas em participantes neurologicamente saudáveis e em indivíduos com demência e declínio cognitivo. Também fornecemos uma descrição detalhada da análise do tempo de reação usando a análise de componentes principais (PCA) e a modelagem de efeitos mistos.

Tarefa de decisão lexical para o estudo do reconhecimento de palavras escritas em adultos com e sem demência ou comprometimento cognitivo leve

Este trabalho demonstra o uso do método padrão-ouro na genética comportamental, o método de decomposição de Cholesky, para estimar influências genéticas e ambientais únicas e sobrepostas em diferentes variáveis para responder a pesquisas motivadas longitudinalmente Perguntas.

Usando a decomposição de Cholesky para explorar diferenças individuais em relações longitudinais entre habilidades de leitura

Esta pesquisa estabelece um protocolo proposto para a identificação da dislexia. O protocolo é baseado no diagnóstico e resposta aos modelos de intervenção. A proposta envolve a utilização de entrevistas estruturadas e testes padronizados para avaliação do desempenho da leitura e escrita e fatores determinantes.

Avaliação da dislexia aos seis anos de idade

Apresentado aqui está um protocolo que introduz um conjunto de tarefas de aprendizagem estatística favorável às crianças voltadas para examinar o aprendizado das crianças sobre padrões estatísticos temporais entre domínios e modalidades sensoriais. As tarefas desenvolvidas coletam dados comportamentais usando a plataforma baseada na Web e dados de ressonância magnética funcional (fMRI) baseados em tarefas para examinar o engajamento neural durante o aprendizado estatístico.

Medindo a aprendizagem estatística entre modalidades e domínios em crianças em idade escolar através de uma plataforma online e técnicas de neuroimagem

A Bateria Multimídia para Avaliação de Habilidades de Domínio Geral e de Domínio Específico em Leitura é uma bateria multimídia confiável e válida projetada para avaliar habilidades cognitivas e básicas de leitura. Ele permite a geração de um perfil abrangente de desempenho cognitivo e de leitura, o que é particularmente benéfico para crianças com dislexia.

Avançando na avaliação da dislexia em crianças por meio de testes computadorizados

O presente artigo descreve como usar metodologias de rastreamento ocular para estudar os processos cognitivos envolvidos na compreensão de texto. Descrições de equipamentos de rastreamento ocular, como desenvolver estímulos experimentais e recomendações processuais estão incluídas. As informações apresentadas podem ser aplicadas à maioria dos estudos utilizando estímulos verbais.

Usando movimentos oculares para avaliar os processos cognitivos envolvidos na compreensão de texto

Descubra como decompor a variância na compreensão de leitura para revelar os efeitos únicos e comuns da linguagem e decodificação. Este método ajuda pesquisadores a entender diferenças individuais no desenvolvimento da leitura.

Decomposição da Variância na Compreensão de Leitura para Revelar os Efeitos Únicos e Comuns da Linguagem e Decodificação.

Explorar mais vídeos