تحلیل چندسطحی؛ راهکاری برای خطاهای حاصل از تجمیع داده ها: استفاده از داده های سطح دانش آموز و معلم تیمز ۲۰۱۱
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 144
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JRESE-7-18_005
تاریخ نمایه سازی: 2 شهریور 1400
چکیده مقاله:
مشکل بوم شناسی در تحلیل داده های تجمیع، مشکل آماری جدی در اغلب پژوهش هاست. در این مقاله ضمن توضیح مشکلات مربوط به تحلیل های تجمیع و تجمیع زدایی، مدل یابی چندسطحی به ویژه مدل یابی خطی چندسطحی (HLM) به عنوان روشی جایگزین معرفی شده است. پژوهش حاضر از نوع همبستگی است و رابطه میان متغیرها در ۶۰۲۹ دانش آموز پایه هشتم شرکت کننده در آزمون تیمز (۲۸۱۶ دختر و ۳۲۱۳ پسر) که پرسشنامه استاندارد آن را تکمیل کرده بودند، بررسی شد. نتایج بررسی رابطه مقدار تکلیف و مدت زمان انجام آن بر عملکرد ریاضیات دانش آموزان نشان داد که بین متغیر مقدار تکلیف و مدت زمان انجام آن با عملکرد ریاضیات در سطح دانش آموز رابطه معنی داری وجود دارد ولی این رابطه در سطح معلم معنی دار نبود. نتایج همچنین سودمندی تحلیل چندسطحی در داده های آشیانه ای را نشان داد.
کلیدواژه ها:
نویسندگان
زهرا نقش
استادیار دانشکده روانشناسی و علوم تربیتی دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :