相关的话题
基于人工神经网络的半监督学习诊断分类方法
本研究首次将半监督学习思维应用到CDM中。此外,我们使用验证测试为ann选择合适的参数,而不是使用典型的统计标准,如AIC, BIC。
由:康雪,莱恩肖
主题:测量及扩展
2021
2021
通过不同技术和心理测量基础设施管理的MAP生长测试的可比性:模拟研究
本报告展示了一项模式可比性研究的结果,该研究通过模拟来评估在基于约束的引擎(CBE)上管理的MAP Growth得分如何与在当前MAP Growth引擎(称为COLO)上管理的得分进行比较。
2021
学习曲线:回顾年内线性增长的假设
重要的教育政策决定,比如是缩短学年还是延长学年,通常都假设成绩的增长在整个学年是线性的。这项研究使用了2016-17学年秋季、冬季和春季的700万名从幼儿园到八年级的学生的数据,检验了这个未经检验的假设。
2021
NISS Ingram Olkin论坛:COVID和学校:建模开放、关闭和学习损失
在这个国家统计科学研究所(NISS), Ingram Olkin "统计服务社会“在论坛上,来自全国各地的专家分享了他们在报告和研究COVID-19对美国学校的影响方面所面临的统计和数据分析挑战。请在论坛和主持人上阅读更多信息尼斯在网页.
主题:COVID-19和学校,测量及扩展
2020
COVID-19如何影响学生学习?2020年秋季的初步发现
在布朗中心黑板(布鲁金斯学会)的博客中,NWEA的研究人员分享了新研究的结果,揭示了COVID-19大流行对学生学习的影响。
由:梅根Kuhfeld,詹姆斯Soland,贝丝Tarasawa,安吉拉•约翰逊,Erik Ruzek,Karyn刘易斯
主题:COVID-19和学校,股本,测量及扩展
2020
技术附录:COVID-19期间的学习:关于学生阅读和数学成绩和成长的初步发现
该技术概要提供了关于样本、方法和概要中突出显示的分析结果的额外细节,COVID-19期间的学习:关于学生阅读和数学成绩和成长的初步发现.
由:梅根Kuhfeld,Erik Ruzek,安吉拉•约翰逊,贝丝Tarasawa,Karyn刘易斯
主题:COVID-19和学校,测量及扩展
2020