Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userThe Range of Correspond Between One Parameter Model and Pair Parameter Model in Psychasthenia Scale Item Fitting
مدى التوافق بين النموذج أحادي المعلم و ثنائي المعلم في مطابقة فقرات مقياس السيكاثينيا
1407
1 79
0
(
0
)
Created by
Shamra Editor
Ask ChatGPT about the research
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.
Artificial intelligence review:
Research summary
تسعى الدراسة الحالية إلى مقارنة مدى التوافق بين النموذجين أحادي المعلم وثنائي المعلم في مطابقة فقرات مقياس السيكاثينيا من اختبار منيسوتا المتعدد الأوجه للشخصية. تم تطبيق الاختبار على عينة من 3000 طالب وطالبة من جامعة دمشق، وتم تقسيم العينة إلى ثلاث مجموعات بحجوم مختلفة (300، 700، 2000) لاختبار تأثير حجم العينة على نتائج التدريج. استخدمت الباحثة ديالا العلى برنامج Bilog لتحليل البيانات وحذف البنود غير الملائمة بناءً على إحصاءات الملاءمة. أظهرت النتائج أن النموذج ثنائي المعلم كان أكثر ملاءمة من النموذج أحادي المعلم في تدريج مقياس السيكاثينيا، خاصة مع العينات الكبيرة والمتوسطة الحجم. كما تم استبعاد خمسة بنود بشكل مشترك بين النموذجين، مما يعكس توافقًا جزئيًا بينهما. توصي الدراسة باستخدام برامج إحصائية متعددة لتدريج بقية المقاييس من اختبار منيسوتا للوصول إلى مستوى عالٍ من الدقة في التشخيص.
Critical review
تعتبر هذه الدراسة خطوة مهمة في مجال القياس النفسي، حيث تسلط الضوء على أهمية استخدام نماذج الاستجابة للمفردة في تحسين دقة الاختبارات النفسية. ومع ذلك، يمكن توجيه بعض النقد البنّاء للدراسة. أولاً، قد يكون من المفيد توسيع نطاق العينة لتشمل جامعات ومناطق جغرافية مختلفة لضمان تعميم النتائج. ثانياً، على الرغم من استخدام برنامج Bilog، إلا أن الاعتماد على برنامج واحد قد يحد من تنوع النتائج، لذا يفضل استخدام برامج إحصائية متعددة. ثالثاً، كان من الممكن تقديم تحليل أعمق للبيانات النوعية المتعلقة بأسباب حذف البنود غير الملائمة، مما قد يساعد في تحسين صياغة البنود المستقبلية.
Questions related to the research
-
ما هو الهدف الرئيسي من الدراسة؟
الهدف الرئيسي من الدراسة هو مقارنة مدى التوافق بين النموذجين أحادي المعلم وثنائي المعلم في مطابقة فقرات مقياس السيكاثينيا من اختبار منيسوتا المتعدد الأوجه للشخصية.
-
ما هي العينة المستخدمة في الدراسة؟
تم تطبيق الاختبار على عينة من 3000 طالب وطالبة من جامعة دمشق، وتم تقسيم العينة إلى ثلاث مجموعات بحجوم مختلفة (300، 700، 2000).
-
ما هي النتائج الرئيسية التي توصلت إليها الدراسة؟
أظهرت النتائج أن النموذج ثنائي المعلم كان أكثر ملاءمة من النموذج أحادي المعلم في تدريج مقياس السيكاثينيا، خاصة مع العينات الكبيرة والمتوسطة الحجم. كما تم استبعاد خمسة بنود بشكل مشترك بين النموذجين.
-
ما هي التوصيات التي قدمتها الدراسة؟
توصي الدراسة باستخدام برامج إحصائية متعددة لتدريج بقية المقاييس من اختبار منيسوتا للوصول إلى مستوى عالٍ من الدقة في التشخيص.
References used
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
rate research
Read More
This study aimed at finding out the differences in item difficulty parameter
estimations for Simulated Data having (MC1- PL) Model in Item Response Theory (IRT)
according to the differences in a test Dimensions (3D; 2D; 1D), correlations between th
ese
dimensions (0.0, 0.50, 0.86), and the statistical program used in analyzing the data
(NOHARM ؛Bilog- MG3). The Monte Carlo simulations data having (MC1- PL) Model in
IRT using (RESGENT) program; that fully filled in a 21-item was used to achieve the
study aims. Data were analyzed using the statistical programs (NOHARM ؛Bilog- MG3).
The results revealed no statistically significant differences in item difficulty
parameter estimations that construct the multidimensional test within items due to
differences in a test, correlations between these dimensions, and the statistical program
used in analyzing the data (NOHARM ؛Bilog- MG3), as well as the estimations were
consistent and high. Finally, the study recommends using these statistical programs for a
data having (MC1- PL) Model, especially when similar assumptions are satisfied in a real
data.
The problem of outliers values is considered one of the important
objects that affect the estimation of statistical intermediaries
specially regression model intermediaries.
We have tried in this research to introduce a comprehensive study
Of the
outliers and some ways of exploring and treating them.
In addition to , we have put anew algorithm that helps to find the
estimation of the outliers.
This matter helps in treating outliers and getting exact results in
regression analysis.
Recently, kNN-MT (Khandelwal et al., 2020) has shown the promising capability of directly incorporating the pre-trained neural machine translation (NMT) model with domain-specific token-level k-nearest-neighbor (kNN) retrieval to achieve domain adapt
ation without retraining. Despite being conceptually attractive, it heavily relies on high-quality in-domain parallel corpora, limiting its capability on unsupervised domain adaptation, where in-domain parallel corpora are scarce or nonexistent. In this paper, we propose a novel framework that directly uses in-domain monolingual sentences in the target language to construct an effective datastore for k-nearest-neighbor retrieval. To this end, we first introduce an autoencoder task based on the target language, and then insert lightweight adapters into the original NMT model to map the token-level representation of this task to the ideal representation of the translation task. Experiments on multi-domain datasets demonstrate that our proposed approach significantly improves the translation accuracy with target-side monolingual data, while achieving comparable performance with back-translation. Our implementation is open-sourced at https://github. com/zhengxxn/UDA-KNN.
In this work, we explore prompt tuning,'' a simple yet effective mechanism for learning soft prompts'' to condition frozen language models to perform specific downstream tasks. Unlike the discrete text prompts used by GPT-3, soft prompts are learned
through backpropagation and can be tuned to incorporate signals from any number of labeled examples. Our end-to-end learned approach outperforms GPT-3's few-shot learning by a large margin. More remarkably, through ablations on model size using T5, we show that prompt tuning becomes more competitive with scale: as models exceed billions of parameters, our method closes the gap'' and matches the strong performance of model tuning (where all model weights are tuned). This finding is especially relevant because large models are costly to share and serve and the ability to reuse one frozen model for multiple downstream tasks can ease this burden. Our method can be seen as a simplification of the recently proposed prefix tuning'' of Li and Liang (2021) and we provide a comparison to this and other similar approaches. Finally, we show that conditioning a frozen model with soft prompts confers benefits in robustness to domain transfer and enables efficient prompt ensembling.'' We release code and model checkpoints to reproduce our experiments.
This research aimed to identify the discrimination capacity of the
part one of AAMR adaptive behavior scale in discrimination
between children from different ages, through studying the
differences between children's performance who including in th
e
research, where the research sample consisted of (490) children
aged (11-15) year, they are students in the second stage basic
teaching students in Damascus governorate schools.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
