Yöntem makalesi

Okuduğunu anlama dil benzersiz ve ortak etkileri ortaya çıkarmak için varyans çürüyen ve kod çözme

DOI:

10.3791/58557

⸱

11 Ekim 2018

 , 
1Florida Center for Reading Research, Florida State University

Bu makalede

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Burada okuduğunu anlama dili ve kod çözme benzersiz ve ortak Effects'e içinde farkı çürüyen bir protokol mevcut.

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Basit görünüm okuma okuma çözme ve dil, her bileşenin benzersiz olarak okuduğunu anlama tahmin ile ürünü olduğunu iddia ediyor okuma popüler bir modeldir. Olmamakla birlikte araştırmacılar ürün bileşenleri yerine toplamı daha iyi tahmin olup iddia, yok araştırmacılar için okuma öngörmede varyans bileşenleri paylaşmak ölçüde incelemek için açıkladı varyans bölümlenmiş. Varyans ayrıştırmak için biz kod çözme için benzersiz R2 ' yi edinmek için tam modeli salt dil modelinden R2 çıkarın. İkinci olarak, biz dil için benzersiz R2 ' yi edinmek için tam modeli salt kod çözme modelinden R2 çıkarın. Üçüncü olarak, ortak varyans elde etmek için açıkladı dil ve kod çözme, biz iki benzersiz R2 tam modeli için R2 toplamı çıkarın. Yöntemi ile veri regresyon yaklaşımda 1. sınıflarda öğrencilere üzerinden gösterilmiştir (n = 372), 6 (n = 309) ve 10 (n = 122) dil (alıcı kelime) gözlenen bir ölçü birimi kullanılarak, (zamanlanmış kelime okuma) kod çözme ve okuduğunu anlama (Standart test). Sonuçlar 1 sınıfta açıkladı okuduğunu içinde farkı çözme ve dil ortak varyans tarafından nispeten büyük miktarda ortaya koyuyor. 10 sınıf tarafından dilinin benzersiz bir etki ve bu farkı anlama okuma çoğunluğu açıkladı ortak dil ve kod çözme be. Sonuçlar basit görünüm, dil ve okuduğunu anlama biçilen değerinde kod çözme paylaşılan benzersiz ve etkileri dikkate okuma genişletilmiş bir versiyonu bağlamında ele alınmıştır.

Giriş

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dil (L) ve (D) kod çözme ürün okuma onun sadelik-okuma (R) nedeniyle popüler bir model olduğu gibi basit görünüm okuma1 (SVR) devam ediyor- ve SVR açıklamak, ortalama olarak, eğilimindedir çünkü yaklaşık % 60'ı varyans okuma açıkladı anlama2. SVR D ve R arasındaki bağıntıları zamanla azalacak ve L ve R arasındaki bağıntıları zamanla artacağını öngörüyor. Çalışmalar genellikle bu tahmin3,4,5destekler. Orada anlaşmazlıklar, ancak, SVR, fonksiyonel formu katkı modelleri ile ilgili (D + L = R) ürün modelleri daha okuduğunu içinde önemli ölçüde daha fazla farkı açıklayan (D × L = R)6,7,8ve bir sum ve ürün kombinasyonu [R = D + L + (D × L) en büyük farkı anlama3,9okuma miktarını açıklayan.

Son zamanlarda SVR modeli doğrulama fabrika Analizi ve yapısal denklem modelleme kullanarak gizli değişken modelleme gözlenen değişkenlere göre gerilemeleri ötesine genişledi. D genellikle untimed veya zamanlanmış okuma gerçek kelimeler ve/veya nonwords ile ölçülür ve R genellikle okuma-yazma ve bilgilendirme geçişleri izledi tarafından çoktan seçmeli sorular içeren bir okuma standartlaştırılmış test ölçülür. L genellikle testleri ifade ve alıcı kelime ve özellikle birincil sınıflarda etkileyici ve alıcı sözdizimi ve dinlediğini anlama önlemlerle ölçülür. En uzunlamasına çalışmalar L Venüslüdür10,11,12,13olduğunu rapor etmektedir. Ancak, başka bir boyuna çalışma14 birincil notlar ve sınıflar 4 ve 8 Venüslüdür yapısında L için iki faktörlü yapısı bildirir. Yeni kesitsel çalışmalar bifactor modeli en iyi veri ve R15,16,17,18öngörür rapor. Örneğin, Foorman vd. 16 Venüslüdür, üç faktörlü, dört faktör ve 4-10. sınıflarda öğrencilere verilerden SVR bifactor modellerinde göre ve bifactor modeli en uygun ve %72 %99 R. varyans açıkladı Genel bir L faktör varyans tüm yedi notlar ve kelime ve sözdizimi benzersiz olarak yalnızca bir sınıf varyans açıkladı açıkladı. D faktör orta tüm sınıflarda L ve R ile ilişkili, ancak (0.40-0,60 ve 0,47-0,74, sırasıyla), bu benzersiz olarak R ile genel L faktörü varlığında ilişkili değil.

L ve birincil notlar, SVR biri tarafından Foorman ve ark. dışında hiçbir çalışmaların ötesinde R biçilen değerinde L oynadığı benzersiz rolü dimensionality ışık akıtan tarafından genişletilmiş SVR gizli değişken modelleme olmasına karşın 19 benzersiz olarak D ve ben dolayı ne olduğunu ve ne ortak paylaşılan içine okuduğunu içinde farkı bölümlenmiş. Bu edebiyat büyük bir ihmal var. Kavramsal olarak D ve L kelime tanıma ses bilimi, semantik ve söylem cümle ve metin düzeyleri20dil becerilerini gerektirir çünkü yazı dili öngördürücüsü olarak varyans paylaşmak mantıklı. Benzer şekilde, metin anlaşılır21olacaksa dil anlama Fonem, morphemes, kelimeler, cümleler ve söylem ortografik temsilleri bağlanmalıdır. D L tarafından çarparak bu bileşenler tarafından paylaşılan bilgi vermez. Yalnızca ayrıştırma varyans benzersiz nedir ve ne D ve L predicting r tarafından paylaşılır içine entegre bilgi eğitim müdahaleler başarısı çok ortaya çıkaracaktır.

Foorman ve ark. tarafından bir çalışma okuduğunu anlama benzersiz nedir ve ne D ve L tarafından paylaşılan ortak varyans çürümüş 19 yaklaşım modelleme gizli bir değişken istihdam. Aşağıdaki iletişim kuralı üzerinden 1, 7 ve 10 (zamanlanmış kod çözme) D, L (alıcı kelime) ve R için değişkenleri gözlenen tek temel sınıflarda öğrencilere teknik verilerle gösterir (okuduğunu anlama testi okuma standartlaştırılmış) decomposition işlem yapmak kolay anlaşılır. Verileri verilerin bir alt kümesini temsil Foorman vd. 19.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Not: Aşağıdaki adımları iki seçilen bağımsız (denir figure-protocol-1değişkenine göre benzersiz farkı, ortak varyansve açıklanamayan varyans bileşenleri içine bir bağımlı değişken (Y) çürüyen toplam varyans tarif ve figure-protocol-2 Bu örnek için) kullanarak bir grafik kullanıcı arayüzü ile yazılım ve veri yönetimi yazılımı (bkz: Malzemeler tablo).

1. yazılım bir grafik kullanıcı arayüzü ile verileri Okunma

  1. Tıkırtı üstünde dosyası.
    1. Fare üzerine gelin açık.
    2. Tıkırtı üstünde veri.
  2. Bilgisayardaki ilgili veri dosyasını bulun.
    1. Dosya türü bir grafik kullanıcı arayüzü ile yazılım ile tutarlı değilse, Dosya türü tıklatın ve uygun dosya biçimini seçin.
  3. Tıkırtı üstünde açık.

2. bağımlı değişken (Y) açıkladı farkı tahmin

  1. Toplam varyans açıkladı iki bağımsız değişkenine dayalı — toplam R2.
    Not: R2 değeri belirleme katsayısı bilinir ve bağımsız değişkenleri kümesi tarafından açıklandığı bir bağımlı değişken için varyans oranı temsil eder.
    1. Analiz üzerinde ve regresyon üzerinde fareyi tıklatıp seçin lineer.
    2. Bağımlı değişken değişken listesinde tıklatın. Bağımlıyanındaki oku tıklatın.
    3. İki bağımsız değişken (X1 ve X2) değişken listesinde tıklatın. Daha sonra yanındaki oku Independent(s).
    4. Tamam' ı tıklatın.
    5. Yazılım Görüntüleyicisi penceresini tıklatın.
      1. Fare Modeli Özetiadı bölümüne gidin. Altında sütun R kare değeri kaydedin ve bu değer toplam R2etiket.
  2. Toplam varyans dayalı açıkladıfigure-protocol-3
    1. 2.1.1 2.1.4 yalnızca kullanarak aracılığıyla adımları yineleyin figure-protocol-4 bağımsız değişken listesinde.
    2. Yazılım Görüntüleyicisi penceresini tıklatın.
      1. Fare Modeli Özetiadı bölümüne gidin. Altında sütun R kare değeri kaydedin ve bu değeri etiket figure-protocol-5 R2.
  3. Toplam varyans dayalı açıkladıfigure-protocol-6
    1. 2.1.1 2.1.4 yalnızca kullanarak aracılığıyla adımları yineleyin figure-protocol-7 bağımsız değişken listesinde.
    2. Yazılım Görüntüleyicisi penceresini tıklatın.
      1. Fare Modeli Özetiadı bölümüne gidin. Altında sütun R kare değeri kaydedin ve bu değeri etiket figure-protocol-8 R2.

3. bilgi işlem benzersiz, yaygın ve açıklanamayan varyans bileşenleri

  1. Veri yönetimi yazılımını açın.
  2. Etiketleri Toplam R2, girin figure-protocol-9 R2, ve figure-protocol-10 R2 ' hücre A1, B1 ve C1, anılan sıraya göre.
  3. Adım 2.1.5.1 A2 hücresindeki toplam R2 değeri girin.
  4. Girin figure-protocol-11 R2 adım 2.2.2.1 B2 hücresindeki değeri.
  5. Girin figure-protocol-12 R2 adım 2.3.2.1 C2 hücresindeki değeri.
  6. Değişken 1 benzersiz farkı hesaplamak (Ufigure-protocol-13R2) veri yönetimi yazılımı.
    1. Hücre D2 türü: "= A2-C2" (Yani, toplam R2 eksi figure-protocol-14 R2). Bu değer U hücre D1 etiketfigure-protocol-15R2.
  7. Benzersiz değişken 2 farkı hesaplamak (Ufigure-protocol-16R2) veri yönetimi yazılımı.
    1. Hücre E2 yazın: "A2-B2 =" (Yani, toplam R2 eksi figure-protocol-17 R2). Bu değer U hücre E1 etiketfigure-protocol-18R2.
  8. Hesaplama değişkenleri 1 ve 2 arasında ortak varyans (Cfigure-protocol-19R2) veri yönetimi yazılımı.
    1. Hücre F2 tipi: "A2-D2-E2 =" (Yani, toplam R2 U eksifigure-protocol-20R2 U eksifigure-protocol-21R2). Bu değer C hücre F1 etiketfigure-protocol-22R2.
  9. Veri yönetimi yazılımı açıklanamayan varyans (e) hesaplar.
    1. Hücre G2 yazın: "1-A2 =" (Yani, 1-Toplam R2). Bu değer e. hücre G1 etiket

4. Arsa UX1R2, UX2R2, CX1X2R2ve e değerleri

Not: D2, E2, F2 ve G2 hücrelerindeki değerleri çizilir.

  1. ' I tıklatın ve hücreleri D2, E2, F2 ve G2 verileri vurgulamak üzere fareyi sürükleyin.
  2. Ekleme veri yönetimi yazılımı şerit üzerinde'yi tıklatın.
  3. Tıkırtı üstünde grafikler | Pasta grafiği | 2-B pasta grafik.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışmanın amacı (L) dilinin benzersiz ve ortak varyans katkılarıyla araştırmaya ve (D) (R) Florida, bir devlet 1, 7 ve 10 sınıflarda olan demografi okuduğunu tahmin için kod çözme temsilcisi milletin bir Bütün. Okuduğunu anlama içinde açıkladı varyans tahminleri ile ilgili iki hipotezler vardı. İlk olarak, birincil notlar sonra eşsiz katkı d önemli ölçüde azalacak ve L eşsiz katkı artacaktır. İkinci olarak, eşsiz katkı l ve D ve L paylaşılan katkıları önemli ölçüde varyans birincil sı...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

R varyans benzersiz ve ortak varyans L ve d nedeniyle içine çürüyen için protokol içinde üç kritik adım vardır İlk olarak, benzersiz R2 d için elde etmek için tam modeli salt L modelindeki R2 çıkarma İkinci olarak, L. üçüncü L ve D tarafından açıkladı ortak varyans elde etmek için için benzersiz R2 ' yi edinmek, iki benzersiz R2 tam modeli için R2 toplamı çıkarmak için tam modeli salt D modelinden2 R çıkarma.

Protokol değişiklik...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarlar onlar rakip hiçbir mali çıkarları var bildirin.

Teşekkürler

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rapor burada Araştırma Enstitüsü Eğitim Bilimleri US Department of Education, Grant R305F100005 anlamak için okuma parçası olarak eğitim test hizmeti için gelen Florida Devlet Üniversitesi'ne bir subaward ile desteklenmiştir Girişimi. Görüş ifade yazarlar vardır ve Enstitü, US Department of Education, eğitim hizmeti test veya Florida Eyalet Üniversitesi temsil etmemektedir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
IBM SPSS İstatistik YazılımıIBM
Microsoft Office ExcelMicrosoft

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Okuman n Basit G r n mKod zme ve DilVaryans Ayr t rmaRegresyon Analizizg n EtkilerOrtak VaryansDil Geli imiE itim Psikolojisistatistiksel Modelleme

İlgili makaleler