Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Behavior

分解阅读理解中的方差, 揭示语言与译码的独特性和共性效应

Published: October 11, 2018 doi: 10.3791/58557

Summary

在这里, 我们提出了一种将阅读理解中的差异分解为语言和解码的独特和常见效果的协议。

Abstract

阅读的简单视角是一种通俗的阅读模式, 它声称阅读是解码和语言的产物, 每个组成部分都对阅读理解进行了独特的预测。虽然研究人员辩称, 这些成分的总和而不是组件的乘积是否是更好的预测因子, 但没有研究人员对所解释的方差进行划分, 以检查组件在预测读数中的差异程度。为了分解方差, 我们从完整模型中减去仅语言模型的 r2以获得唯一的 r2进行解码。其次, 我们从完整模型中减去 r2的仅解码模型, 以获取语言的唯一 r2 。第三, 为了获得语言和解码所解释的常见方差, 我们从 r2中减去两个唯一 r2与完整模型的总和。该方法在回归方法中以1年级 (n = 372)、6 (n = 309) 和 10 (n = 122) 的学生数据为例, 使用观察到的语言 (接受词汇)、解码 (定时读单词) 和阅读理解 (标准化测试)。结果表明, 在1年级的阅读理解中, 由于译码和语言的共性差异, 差异较大。然而, 在10年级, 它是语言的独特作用和语言和解码的共同作用, 解释了阅读理解中的大部分差异。在阅读的简单视图的扩展版本中讨论了结果, 它考虑了语言和解码在预测阅读理解中的独特共有的影响。

Introduction

阅读1 (SVR) 的简单视图继续作为一种流行的阅读模式, 因为它的简单性-阅读 (R) 是解码 (D) 和语言 (L) 的产物-并且由于 SVR 倾向于解释, 平均而言, 大约60% 的解释方差在阅读理解2。SVR 预测, D 和 r 之间的相关性会随着时间的推移而下降, L 和 r 之间的相关性将随着时间的推移而增加。研究通常支持这个预测3,4,5。然而, 关于 SVR 的功能形式有分歧, 附加模型 (d + l = r) 解释比产品模型 (d x L = r)678和 a 的阅读理解差异显著更多。总和和乘积的组合 [R = D + l + (D x l) 解释阅读理解的最大方差3,9

近年来, 基于观测变量的 SVR 模型通过验证性工厂分析和结构方程建模来扩展到潜在变量建模。D 通常用不计时或定时读实词和/或言语来测量, R 通常是通过一个标准的阅读测试来衡量的, 其中包括识字和信息通道, 后跟多项选择问题。L 通常是通过表现性和接受性词汇的测试, 特别是在小学年级, 通过表达和接受语法和听力理解的方法来衡量的。大多数纵向研究报告, L 是一维10,11,12,13。然而, 另一项纵向研究14报告了 L 在初级职系中的双因素结构和4和8级的一维结构。最近的横断面研究报告, bifactor 模型最适合于数据, 并预测 R15,16,17,18。例如, Foorman16比较了一维、三因子、四因子和 bifactor 模型的 SVR 在4-10 年级学生的数据中, 发现 bifactor 模型最适合并解释了 R 中方差的72% 到99%。一般的 L 因子解释了所有七个等级的方差, 词汇和语法唯一解释的差异只有一年级。虽然 D 因子与 l 和 r 在所有级别 (分别为 0.40-0. 60 和 0.47-0. 74) 有适度的相关性, 但在一般 L 因子存在的情况下, 它与 r 没有唯一的关联。

尽管潜在变量建模通过对 l 的维数进行光照来扩展了 SVR, 并且在预测 R 级以外的 Foorman 中发挥了独特的作用, 但没有对 svr 的研究19将阅读理解中的差异划分为 D 和 L 的唯一原因以及共同的共同点。这是文学中的一大遗漏。从概念上讲, D 和 L 在预测书面语言时会产生差异, 因为单词识别需要在句子和文本级别20中使用音系学、语义和话语的语言技巧。同样, 语言理解必须与音素、语素、单词、句子和话语的正交表示相连接, 如果要理解文本21。D 乘以 L 不产生这些组件共享的知识。只有将方差分解成什么是唯一的, 以及 D 和 L 在预测 R 中所共享的内容, 才能揭示对教育干预的成功至关重要的综合知识。

Foorman人的一项研究。19将阅读理解的方差分解为什么是唯一的, 哪些是共同的 D 和 L 使用了潜在的变量建模方法。以下协议演示了基于 D (定时解码)、L (接受词汇) 和 R (标准化阅读理解测试) 的1、7和10级学生数据的技术, 使分解过程容易理解。数据表示 Foorman数据的子集。19

Subscription Required. Please recommend JoVE to your librarian.

Protocol

注意: 下面的步骤描述了基于两个选定的独立变量 (称为 ")" 将从属变量 (Y) 中的总方差分解为唯一方差共方差和无法解释的方差分量 (称作Equation 1本示例) 使用带有图形用户界面和数据管理软件的软件 (参见材料表). Equation 2

1. 使用图形用户界面将数据读取到软件中

  1. 单击文件.
    1. 将鼠标悬停在打开状态.
    2. 单击 "数据".
  2. 在计算机上找到相关的数据文件。
    1. 如果文件类型与具有图形用户界面的软件不一致, 请单击 "文件类型", 然后选择相应的文件格式。
  3. 点击打开.

2. 估计因变量 (Y) 中解释的方差

  1. 根据两个独立变量解释的总方差-总R2
    注: R2值称为确定系数, 表示由一组独立变量解释的从属变量的方差比例。
    1. 单击 "分析" 并将鼠标悬停在回归上并选择 "线性".
    2. 单击变量列表中的从属变量。然后单击 "从属" 旁边的箭头。
    3. 单击变量列表中的两个独立变量 (x1 x2)。然后单击独立 (s)旁边的箭头。
    4. 单击"确定"
    5. 单击软件的查看器窗口。
      1. 使用鼠标滚动到称为模型摘要的部分。记录列r 平方下的值, 并将此值标记为r2
  2. 总方差解释基于Equation 3
    1. 重复步骤2.1.1 通过2.1.4 仅Equation 1在独立变量列表中使用。
    2. 单击软件的查看器窗口。
      1. 使用鼠标滚动到称为模型摘要的部分。记录列r 平方下的值, 并将此值Equation 1标记为r2
  3. 总方差解释基于Equation 4
    1. 重复步骤2.1.1 通过2.1.4 仅Equation 2在独立变量列表中使用。
    2. 单击软件的查看器窗口。
      1. 使用鼠标滚动到称为模型摘要的部分。记录列r 平方下的值, 并将此值Equation 2标记为r2

3. 计算唯一的、常见的和无法解释的方差分量

  1. 打开数据管理软件。
  2. 分别在单元格 A1、B1 和 C1 中输入Equation 4标签 r2 Equation 3 r2r2的总和。
  3. 在单元格 A2 中输入步骤2.1.5.1 中的总R2值。
  4. 在单元Equation 1格 B2 中输入步骤2.2.2.1 中的R2值。
  5. 在单元Equation 2格 C2 中输入步骤2.3.2.1 中的R2值。
  6. 计算数据管理软件中变量 1 (UEquation 1R2) 的唯一方差。
    1. 在单元格 D2 类型: "= A2-C2" (r2减去Equation 2 r2)。在单元格 D1 标签此值Equation 1UR2
  7. 计算数据管理软件中变量 2 (UEquation 2R2) 的唯一方差。
    1. 在单元格 E2 类型: "= A2-B2" (r2减去Equation 1 r2)。在单元格 E1 标签此值Equation 2UR2
  8. 计算数据管理软件中变量1和 2 (CEquation 5R2) 之间的常见方差。
    1. 在单元格 F2 类型: "= A2-D2-E2" (r2减去 uEquation 1r2减去 uEquation 2r2)。在单元格 F1 标签此值Equation 5CR2
  9. 计算数据管理软件中的无法解释的方差 (e)。
    1. 在单元格 G2 类型: "= 1-A2" (1-总R2)。在单元格 G1 标签此值e.

4. 绘制 ux1r2、ux2r2、Cx1X2R2e

注: 绘制单元格 D2、E2、F2 和 G2 中的值。

  1. 在单元格 D2、E2、F2 和 G2 上单击并拖动鼠标以突出显示数据。
  2. 单击数据管理软件功能区上的插入
  3. 点击图表 |饼图 | 2 维饼图.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

本研究的目的是探讨语言 (L) 和解码 (D) 的独特和共同方差对佛罗里达州1、7和10年级的阅读理解 (R) 预测的贡献, 该州的人口统计学代表国家作为整个。关于阅读理解中所解释的方差的预测有两个假设。首先, 小学成绩后, D 的独特贡献将显著减少, L 的独特贡献将会增加。第二, l 的独特贡献和 D 和 l 的共同贡献将显著地占主要等级以外的大多数方差。

参加者分别为372名1年级学生、299名7年级学生和122名学生, 在佛罗里达州两个大城市区的10所学校 (一个在佛罗里达州北部, 另一个位于佛罗里达州中部) 的普通教育教室里18年级。这项研究遵循了对人类主体的指导原则, 并获得了父母的同意。这项研究的各个年级的种族划分是: 大约30% 黑色;30% 西班牙裔;30% 白色;5% 亚洲, 3% 多文化;2% 其他。参加18所参加学校的联邦午餐计划的范围是从21.5% 到 100%, 中位数为59%。

为回归分析选择了用于 D、L 和 R 的单个可观察度量值。解码的措施是时间限制 (四十五年代) 视字解码从读 Efficiency-222的测试。我是通过接受词汇测试来衡量的, 《皮博迪图片词汇测试 (PPVT-4)23, 广泛应用于参与学校。在这项措施中, 学生可以看到四张图片, 并指向一个描述考官说的话的人。R 被评为全国赋范阅读理解测试, 盖茨-MacGinitie 阅读 Test-4 (GMAT-4)24。GMAT-4 在1年级的10名学生的小组中进行管理。学生阅读段落的部分, 并指明与段落对应的图片。GMAT-4 在7和10级组管理。段落包括文学和信息文本和问题都是字面和推论, 并以多种选择格式出现。学生们可以回头看课文。对于所有三项措施, 可靠性系数均高于0.90。使用三表单的计划丢失数据设计用于缩短测试时间。D 和 L 的措施在一届会议上管理, 另一届会议的阅读理解测试。

1级回归分析在阅读理解中占总方差的60%。个体差异模型表明, D 的阅读理解差异比例为 43%, 另外, 由于 L 的阅读理解差异比例为36%。这些方差估计是每个预测器和结果的独立统计模型的平方相关性, 这就是为什么它们从不同模型 (43 + 36 = 79) 的总和大于解释的总方差 (60%)。当1级的总方差分解为唯一和共同的效应时, D 唯一解释了 R 和 L 中24% 的方差, 唯一解释了 17% (见图 1)。D 和 L 的共同方差为19%。

Figure 1
图1。1年级阅读理解中所解释的方差总百分比被分解成语言和解码以及无法解释的方差的独特和共同的影响.请点击这里查看这个数字的更大版本.

在7年级, 回归分析占阅读理解总方差的53%。个体方差模型表明, D 为25% 的阅读理解方差的比例为 46%, 而由于 L 的阅读理解差异的比例为--。图 2显示 D 唯一地解释了 R 中7% 的方差, 我解释了28%。R 中 D 和 L 在解释方差时的共同方差为18%。

Figure 2
图2。7年级阅读理解中所解释的方差总百分比被分解成语言和解码以及无法解释的方差的独特和共同的影响.请点击这里查看这个数字的更大版本.

在10年级, 回归分析占阅读理解总方差的61%。个体方差模型表明, D 为19% 的阅读理解方差的比例为 54%, 而由于 L 的阅读理解差异的比例为--。图 3显示 D 唯一地占方差的 6%, 而 L 唯一地占方差的42%。R 中 D 和 L 在解释方差时的共同方差为13%。

Figure 3
图3。10年级阅读理解中所解释的方差总百分比被分解成语言和解码以及无法解释的方差的独特和共同的影响.请点击这里查看这个数字的更大版本.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

协议中有三关键步骤将 R 中的方差分解为由 L 和 D 引起的唯一和常见方差。首先, 从完整模型中减去 L 型模型中的 r2以获得 D 的唯一 r2 。其次, 从完整模型中减去 D 型模型的 r2 , 以获取 l 和 D 所解释的共同方差, 以获取由 l 和-d 说明的共变差, 并从 r2为完整模型减去两个唯一 r2的总和。

如果 D 和 L 的潜在变量取代了在这里使用的定时解码和接受词汇量的虚拟代码, 以及诸如社会经济地位 (SES)、性别和种族等控制变量, 则需要对该议定书进行修改。将族裔添加到模型中。也可以考虑在饼图中绘制结果的替代方法, 例如使用维恩图。此处使用饼图, 以便显示无法解释的方差的百分比以及唯一和共同的方差。

该方法的应用有局限性, 如本研究所示。为了简化协议, 我们为 D、L 和 R 选择了一个可观察的度量值, 而不是使用我们通常采取的潜在变量建模方法来控制测量误差19。我们消除了控制变量, 如 SES、性别和种族/族裔, 并使用了计划缺失数据设计而非完整纵向数据的横断面数据。我们专注于在个别学生水平上分解差异, 而不是在教室和学校中聚集学生。最后, 在预测 R 产生描述性结果时, 将方差分解为 L 和 D 的唯一和共同效应百分比的协议中显示的方法。没有简单的方法来获得对共同方差意义的正式统计检验。

这种将 R 中的方差分解为 L 和 D 的独特和常见效果的技术, 比只查找独特效果的现有方法具有显著优势。最重要的是, 这项技术说明了个体差异特征如何 covary, 以及一个独特的效果在与另一个特征共享的效果上如何苍白。由于目前的协议所产生的分析结果显示, 在阅读理解上的大量差异是由于 D 和 L (从19% 年级1到13% 级 10) 的共同影响, 似乎是以独特的代价来在 D 级以上的贡献。换言之, 回归结果显示, 在19% 年级的7至10年级的1至25% 中, 由 D 所占的方差比例下降了43%。然而, 当方差被分解时, D 在1级的独特贡献只有 24%, 而在7和10级分别下降到7% 和6%。这一发现具有重要的教育意义, 因为在初等等级的干预中, 强调解码的重点来自于 D 在回归结果中的独特作用, 尽管在上小学的解码干预效果较弱,二级级在 meta 分析25。D 和 L 在预测阅读理解 (尤其是小学成绩) 中所共同产生的差异表明, 应更多地强调将语言知识纳入字级26,27

l 的回归结果显示了相当恒定的图片, 我贡献了大量的差异, 以阅读理解跨年级, 36% 在1级到54% 年级10。然而, 当采用分解方差的方法时, L 在牌号上的独特贡献显著地增加了从17% 年级1到28% 级 7, 到42% 级10。在二级成绩中, L 在 R 中所占的差异很大, 这一发现在从潜在变量建模方法161719进行的 SVR 研究中更为明显, 并建议了指令的价值关于使文本衔接的语言元素26,28

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

作者声明他们没有竞争的经济利益。

Acknowledgments

这里的研究报告得到了美国教育部教育科学研究所的支持, 通过 subaward 到佛罗里达州立大学, 从赠款 R305F100005 到教育测试服务, 作为阅读理解的一部分。主动。所表达的观点是作者的意见, 不代表研究所、美国教育部、教育测试处或佛罗里达州立大学的意见。

Materials

Name Company Catalog Number Comments
IBM SPSS Statistics Software IBM
Microsoft Office Excel Microsoft

DOWNLOAD MATERIALS LIST

References

  1. Gough, P., Tunmer, W. Decoding, reading, and reading disability. Remedial and Special Education. 7, 6-10 (1986).
  2. Quinn, J. M., Wagner, R. K. Using meta-analytic structural equation modeling to study developmental change in relations between language and literacy. Child Development. , in press (2018).
  3. Chen, R. S., Vellutino, F. Prediction of reading ability: A cross-validation study of the simple view of reading. Journal of Literacy Research. 29 (1), 1-24 (1997).
  4. Catts, H., Hogan, T., Adlof, S. Developmental changes in reading and reading disabilities. Connections between language and reading disabilities. Catts, H., Kamhi, A. , Erlbaum. Mahwah, NJ. (2005).
  5. Gough, P., Hoover, W., Peterson, C. Some observations on the simple view of reading. Reading comprehension difficulties. Cornoldi, C., Oakhill, J. , Erlbaum. Hillsdale, NH. (1996).
  6. Dreyer, L., Katz, L. An examination of "The Simple View of Reading.". Haskins Laboratories Status Report on Speech Research. SR-111/112. , 161-166 (1992).
  7. Neuhaus, G., Roldan, L., Boulware-Gooden, R., Swank, P. Parsimonious reading models: Identifying teachable subskills. Reading Psychology. 27, 37-58 (2006).
  8. Kershaw, S., Schatschneider, C. A latent variable approach to the simple view of reading. Reading and Writing. 25, 433-464 (2012).
  9. Hoover, W., Gough, P. The simple view of reading. Reading and Writing. 2, 127-160 (1990).
  10. Adlof, S., Catts, H., Little, T. Should the simple view of reading include a fluency component? Reading & Writing. 19, 933-958 (2006).
  11. Anthony, J., Davis, C., Williams, J., Anthony, T. Preschoolers' oral language abilities: A multilevel examination of dimensionality. Learning and Individual Differences. 35, 56-61 (2014).
  12. Bornstein, M., Hahn, C., Putnick, D., Suwalsky, J. Stability of core language skill from early childhood to adolescence: A latent variable approach. Child Development. 85, 1346-1356 (2014).
  13. Protopapas, A., Simos, P., Sideridis, G., Mouzaki, A. The components of the simple view of reading: A confirmatory factor analysis. Reading Psychology. 33, 217-240 (2012).
  14. Tomblin, J. B., Zhang, X. The dimensionality of language ability in school-age children. Journal of Speech, Language, and Hearing Research. 49, 1193-1208 (2006).
  15. Foorman, B., Herrera, S., Petscher, Y., Mitchell, A., Truckenmiller, A. The Structure of Oral Language and Reading and Their Relation to Comprehension in grades kindergarten through grade 2. Reading and Writing. 28 (5), 655-681 (2015).
  16. Foorman, B., Koon, S., Petscher, Y., Mitchell, A., Truckenmiller, A. Examining General and Specific Factors in the Dimensionality of Oral Language and Reading in 4th-10th Grades. Journal of Educational Psychology. 107 (3), 884-899 (2015).
  17. Kieffer, M., Petscher, Y., Proctor, C. P., Silverman, R. 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. Scientific Studies of Reading. 20 (6), 436-454 (2016).
  18. Kim, Y. S. G., Park, C., Park, Y. Dimensions of discourse level oral language skills and their relation to reading comprehension and written composition: an exploratory study. Reading and Writing. 28, 633-654 (2015).
  19. Foorman, B., Petscher, Y., Herrera, S. Unique and common effects of decoding and language factors in predicting reading comprehension in grades 1-10. Learning and Individual Differences. 63, 12-23 (2018).
  20. Perfetti, C. Reading ability: Lexical quality to comprehension. Scientific Studies of Reading. 11 (4), 357-383 (2007).
  21. Perfetti, C., Stafura, J. Word knowledge in a theory of reading comprehension. Scientific Studies of Reading. 18 (4), 22-37 (2014).
  22. Torgesen, J., Wagner, R., Rashotte, C. Test of Word Reading Efficiency. , 2nd ed, ProEd. Austin, TX. (2012).
  23. Dunn, L., Dunn, D. Peabody Picture Vocabulary Test-4. , Pearson. San Antonio, TX. (2007).
  24. MacGinitie, W., MacGinitie, R., Maria, K., Dreyer, L. Gates-MacGinitie Reading Tests. , 4th ed, Riverside Publishing. Rolling Meadows, IL. (2000).
  25. Wanzek, J., Wexler, J., Vaughn, S., Ciullo, S. Reading interventions for struggling readers in the upper elementary grades: a synthesis of 20 years of research. Reading & Writing. 23, 889-912 (2010).
  26. Foorman, B., Petscher, Y., Stanley, C., Herrera, S. Latent profiles of reading and language and their association with standardized reading outcomes in kindergarten through tenth grade. Journal of Research on Educational Effectiveness. 10 (3), 619-645 (2017).
  27. Lesaux, N. K., Kieffer, M. J., Kelley, J. G., Harris, J. Effects of academic vocabulary instruction for linguistically diverse adolescents: Evidence from a randomized field trial. American Educational Research Journal. 51 (6), 1159-1194 (2014).
  28. Lawrence, J., Crosson, A., Paré-Blagoev, E., Snow, C. Word generation randomized trial: Discussion mediates the impact of program treatment on academic word learning. American Educational Research Journal. 52 (4), 750-786 (2015).

Tags

行为 问题 140 分解方差 阅读的简单视图 阅读理解 语言 解码 回归
分解阅读理解中的方差, 揭示语言与译码的独特性和共性效应
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Foorman, B. R., Petscher, Y.More

Foorman, B. R., Petscher, Y. Decomposing the Variance in Reading Comprehension to Reveal the Unique and Common Effects of Language and Decoding. J. Vis. Exp. (140), e58557, doi:10.3791/58557 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter