Digital Module 16: Longitudinal Data Analysis     

Jeffrey R. Harring  Tessa L. Johnson 《Educational Measurement》2020,39(3):137-138

In this digital ITEMS module, Dr. Jeffrey Harring and Ms. Tessa Johnson introduce the linear mixed effects (LME) model as a flexible general framework for simultaneously modeling continuous repeated measures data with a scientifically defensible function that adequately summarizes both individual change as well as the average response. The module begins with a nontechnical overview of longitudinal data analyses drawing distinctions with cross-sectional analyses in terms of research questions to be addressed. Nuances of longitudinal designs, timing of measurements, and the real possibility of missing data are then discussed. The three interconnected components of the LME model—(1) a model for individual and mean response profiles, (2) a model to characterize the covariation among the time-specific residuals, and (3) a set of models that summarize the extent that individual coefficients vary—are discussed in the context of the set of activities comprising an analysis. Finally, they demonstrate how to estimate the linear mixed effects model within an open-source environment (R). The digital module contains sample R code, diagnostic quiz questions, hands-on activities in R, curated resources, and a glossary.  相似文献   

Digital Module 05: Diagnostic Measurement—The G‐DINA Framework https://ncme.elevate.commpartners.com     

Wenchao Ma  Jimmy de la Torre 《Educational Measurement》2019,38(2):114-115

In this ITEMS module, we introduce the generalized deterministic inputs, noisy “and” gate (G‐DINA) model, which is a general framework for specifying, estimating, and evaluating a wide variety of cognitive diagnosis models. The module contains a nontechnical introduction to diagnostic measurement, an introductory overview of the G‐DINA model, as well as common special cases, and a review of model‐data fit evaluation practices within this framework. We use the flexible GDINA R package, which is available for free within the R environment and provides a user‐friendly graphical interface in addition to the code‐driven layer. The digital module also contains videos of worked examples, solutions to data activity questions, curated resources, a glossary, and quizzes with diagnostic feedback.  相似文献   

物理模型与股票投资     

李勇英 《天水师范学院学报》2003,23(2):60-61

股票投资的方法很多，建立物理模型进行投资是一种简明有效的方法，使用金字塔模型和平衡理论对股票进行操作，能把握最佳投资机会。  相似文献   

<体育与健康课程标准>实施进程研究   总被引：9，自引：0，他引：9  

何元春  于晓东 《成都体育学院学报》2003,29(4):81-83

经过反复的调查和对文献资料的分析，初步提出：体育与健康课程模式的多元化，是新“课标”由目标理念向操作化进程的有效途径。课程模式多元化，要以单元为基础，构建模块组合；以新“课标”为母体，构建子项模式；以新“课标”为依据，完善结构体系；以模式为中介，超越课程模式。  相似文献   

体育多种预测方法的比较研究     

陈志强  黄明教  杨德芳 《成都体育学院学报》2001,27(1):53-56,62

摘要：运用相关回归、标准百分和多级多类判别理论，建立多元回归和单元回归预测模型，所建立的y1、y2、y3模型预测值准确度高，与实际专项成绩值的相关性显著、t检无差异、有显著的线性关系、tr检验呈高度相关。其中，y2模型预测值的准确度更高，建模方法更具简便性、实效性。  相似文献   

Norm‐ and Criterion‐Referenced Student Growth     

D. Betebenner 《Educational Measurement》2009,28(4):42-51

  相似文献   

体育多种预测方法的比较研究     

李瑞文  蔡忠建  姜伯乐 《北京体育大学学报》2004,27(12):1654-1656

运用3种不同的方法所建立的多元回归预测模型,其回归预测值的准确度均达到了99.26%以上,其回归的预测值与实际值的方差分析检验均呈无差异性,P》0.50水平.说明3种不同的方法所建立的预测模型的预测值均具有显著性意义.在3种建模方法中,均有评价作用,且其评价目的也不尽相同.在体育运动实践中可依据研究的目的,选择建模方法,以提高体育预测研究的效益.  相似文献   

田径运动技术模式的研究     

王志文 《体育科学研究》2001,5(4):39-40

田径运动技术是指田径运动中符合人体运动科学原理、能充分发挥人体潜在能力,能有效地完成动作的合理方法、技能和手段,田径运动技术系统包括外在技术、身体技术、心理技术、社会技术和场地技术等几个部分,每个部分又包含不同的构成元素,各元素之间不同形式的联系形成了不同的田径运动技术模式.  相似文献   

论体育教学模式研究的现状与未来发展   总被引：26，自引：1，他引：25  

邵伟德  尚志强 《北京体育大学学报》2005,28(1):85-87

通过文献资料法、理论分析法对近10年来的体育教学模式研究总体情况进行了研究,肯定了体育教学模式研究中的成绩,指出了存在的问题,并分析了今后体育教学模式研究的发展趋势.  相似文献   

运动项目推广中的形象代言人分析     

柴红年 《天津体育学院学报》2005,20(4):44-45

在查阅相关文献资料的基础上,对运动项目推广中的形象代言人进行研究,认为在选择形象代言人时,要充分考虑普通大众的想法和意见,运用科学的方法选择运动员形象代言人,充分展现运动项目的精神理念;选择明星运动员、有潜力的运动员和普通人作为形象代言人;选定形象代言人后,就要对其进行全方位的包装宣传和约束管理;我国各运动项目管理部门需要对运动项目的资源进行充分调查,有意识地选择合适的运动员形象代言人,促进各种运动项目在我国的发展。  相似文献