اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدمدى التوافق بين النموذج أحادي المعلم و ثنائي المعلم في مطابقة فقرات مقياس السيكاثينيا
The Range of Correspond Between One Parameter Model and Pair Parameter Model in Psychasthenia Scale Item Fitting
1273
1 79
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
يهدف البحث الحالي إلى تدريج مقياس السيكاثينيا من اختبار منيسوتا المتعدد الأوجه للشخصية النسخة الثانية، و الوصول إلى شكل جديد مختصر للاختبار متحرر من خصائص العينة والبنود، باستخدام النموذجين أحادي و ثنائي المعلم، و اختبار أثر متغيرين في نتائج تدريج مقياس السيكاثينيا و هما ( النموذج المستخدم، حجم العينة ) باستخدام محكات الدقة المتمثلة في الخطأ المعياري و الثبات و دالة المعلومات .
The current research is aimed at scaling Psychasthenia scale of Minnesota Multiphasic Personality Inventory 2 , access to a new form and brief to the test, it,s liberal from the sample and items properties, using one and pair parameter models, and testing the effect of two variables in the results of scaling Psychasthenia scale (the model used, the sample size) with using criteria of accuracy as the Standard Error, Relaibility and Information Function.
المراجع المستخدمة
AFRSSA , TM & KEEVES , J. (1999). Changes In Student s Mathematics Achievement In Australian Lower Secondary Schools Over Time . International Education Journal , 1(1) , p 1 – 21
GEORGIEV, N. (2008). Item Analysis of C,D and E Series From Raven,s Standard progressive Matrices With Item Response Theory Two Parameter Logistic Model.Europe,s Journal of Psychology, p15
HATHWAY,S.R & MCKINLEY ,J. (2006). MMPI-2 Minesota Multiphasic Personality Inventory -2. , Manual for Administration and Scoring,P230
قيم البحث
اقرأ أيضاً
هدفت الدراسة الحالية إلى الكشف عن الفروق في تقديرات معلم صعوبة الفقرة لبيانات محاكاة توائم النموذج التعويضي (MC1- PL) باختلاف عدد الأبعاد للاختبار و قوة الارتباط بين هذه الأبعاد و اختلاف برمجية التقدير. و استخدمت في الدراسة بيانات محاكاة لعينة حجمها
(1000) مفحوص تم توليدها باستخدام برمجية (RESGENT)، تقيس بعدين مرتبطين من الفقرات، تم من خلالهما خلق حالات مختلفة من تعددية البعد داخل الفقرات (ثلاثة أبعاد، بعدان، بعد واحد) بواقع (7) فقرات ثنائية التدريج لكل بعد، و عند ثلاثة مستويات مختلفة لقوة الارتباط بين الأبعاد
(0.0, 0.50, 0.86) على الترتيب. و حللت البيانات باستخدام البرمجيات الإحصائية (NOHARM؛ Bilog- MG3).
أظهرت النتائج أن الفروق في تقديرات معلم صعوبة الفقرات المشكلة للاختبار متعدد الأبعاد داخل الفقرات لم تكن دالة إحصائيا عند مستوى الدلالة ( ) عند الحالات المختلفة لبعدية الأبعاد و باختلاف قوة الارتباط بين الأبعاد، و كذلك باختلاف برمجية التقدير Bilog–MG3)؛ NOHARM)، و كانت التقديرات بشكل عام مرتفعة و متسقة. و توصي الدراسة بضرورة الاعتماد على هاتين البرمجيتين الإحصائيتين في تحليل البيانات التي توائم النموذج، و خاصة عندما تتحقق الافتراضات التي اعتمدتها الدراسة الحالية في بيانات حقيقية.
تعد مشكلة القيم الشاذة من المواضيع الهامة التي تؤثر على تقدير الوسطاء الإحصائية
و بخاصة وسطاء نموذج الانحدار .
حاولنا في هذا البحث تقديم فكرة شاملة عن القيم الشاذة و بعض طرائق اكتشافها
و معالجتها بالإضافة لذلك قمنا بوضع خوارزمية جديدة تساعد في ايج
اد تقدير للقيم
الشاذة ، الأمر الذي يؤدي لمعالجتها و الحصول على نتائج دقيقة لنموذج الانحدار.
في الآونة الأخيرة، أظهرت KNN-MT (Khandelwal et al.، 2020) القدرة الواعدة لإدماجها مباشرة نموذج الترجمة الآلية العصبية المدربة مسبقا (NMT) مع استرجاع المجلة K-Levely-Levely-Level (KNN) ذات المستوى الأعلى للمجال تكيف المجال دون إعادة التدريب. على الرغم
من كونها جذابة من الناحية النظرية، فإنه يعتمد بشدة على كورسا موازية عالية الجودة داخل المجال، مما يحد من قدرته على التكيف عن المجال غير المزعوم، حيث توجد شركة موازية داخل المجال نادرة أو غير موجودة. في هذه الورقة، نقترح إطارا جديدا يستخدم بشكل مباشر جمل أحادية المجال في اللغة المستهدفة لبناء اسم بيانات فعالة لاسترجاع جار ك. تحقيقا لهذه الغاية، نقدم أولا مهمة AutoNCoder بناء على اللغة المستهدفة، ثم قم بإدراج محولات خفيفة الوزن في نموذج NMT الأصلي لتعيين تمثيل مستوى الرمز المميز لهذه المهمة إلى التمثيل المثالي لمهمة الترجمة المثالية. توضح التجارب في مجموعات البيانات متعددة المجالات أن نهجنا المقترح يحسن بشكل كبير من دقة الترجمة مع بيانات أحادية الجانب المستهدف، مع تحقيق أداء مماثل مع الترجمة الخلفي. تنفيذنا مفتوح مصادر في HTTPS: // github. com / zhengxxn / uda-knn.
في هذا العمل، نستكشف ضبط موجه، "آلية بسيطة ولكنها فعالة لتعلم المطالبات الناعمة" لحالة نماذج اللغة المجمدة لتنفيذ مهام المصب المحددة. على عكس مطالبات النص المنفصلة المستخدمة من قبل GPT-3، يتم تعلم المطالبات الناعمة من خلال إعادة الاتصال ويمكن ضبطها ل
دمج الإشارات من أي عدد من الأمثلة المسمى. يتفوق نهجنا المستفاد من طرفي تنضم إلى التعلم القليل من GPT-3 لهامش كبير. بشكل ملحوظ، من خلال ablations على حجم النموذج باستخدام T5، نظهر أن الضبط الفوري يصبح أكثر تنافسية على نطاق الحجم: نظرا لأن النماذج تتجاوز مليارات المعلمات، فإن طريقتنا تغلق الفجوة "وتطابق الأداء القوي لضبط النموذج (حيث جميع الأوزان النموذجية ضبطها). هذه النتيجة ذات صلة خاصة لأن النماذج الكبيرة مكلفة للمشاركة والخدمة والقدرة على إعادة استخدام نموذج واحد مجمد لمهام متعددة المصب يمكن أن تخفف من هذا العبء. يمكن اعتبار طريقةنا بمثابة تبسيط لضبط البادئة المقترح مؤخرا "لى ولديانغ (2021) ونوفر مقارنة بهذه الطريقة وغيرها من الأساليب المماثلة. أخيرا، نظهر أن تكييف نموذج مجمد مع مطالبات ناعمة يمنح الفوائد في متانة نقل المجال وتمكين الكفاءة الفعالة من الفئة الفعالة. "نحن ندرك رمز نقاط التفتيش والنموذج لإعادة إنتاج تجاربنا.
هدف البحث إلى التعرف على القدرة التمييزية للجزء الأول من مقياس السلوك التكيفي
للرابطة الأمريكية للتخلف العقلي في التمييز بين الأطفال من الأعمار المختلفة، من
خلال دراسة الفروق بين أداء عينة من الأطفال، حيث تكونت عينة البحث من ( 490 )
طفلا تتراوح أع
مارهم بين (11-15) سنة، و هم طلاب في الحلقة الثانية من التعليم
الأساسي في مدارس محافظة دمشق الرسمية.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
