摘要
学术英语水平的发展和重新归类为流利英语水平的时间是英语学习者政策的关键问题。本文建立了一个共享随机效应模型(SREM)来估计英语水平的发展和重新分类的时间同时，将学生特有的随机效应作为时间重分类模型中的潜在协变量。利用来自亚利桑那州一个大学区的数据，SREM得出的重新分类时间预测准确率为93%，而先前文献中使用的传统离散时间危险模型的准确率为85%。研究结果表明，有关英语语言发展的信息对于准确预测英语等级重新分类至关重要。
查看更多相关话题
技术简介
2020年秋季远程和现场MAP增长测试的可比性分析
COVID-19学校关闭如何影响学生的学业成长和成就?利用2020年秋季MAP增长评估数据对440万学生进行的新研究提供了新的见解、关键发现和可行建议。
2020
技术简介
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．
主题:新冠病毒-19与学校，测量及扩展
2020
研究简报
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
COVID-19学校关闭如何影响学生的学业成长和成就?利用2020年秋季MAP增长评估数据对440万学生进行的新研究提供了新的见解、关键发现和可行建议。
主题:新冠病毒-19与学校，股本，测量及扩展
2020
2020
期刊文章
避免增长估计中总分的偏差:对基于irt的纵向调查反应评分方法进行检查
我们对人类如何发展、学习、行为和互动的了解，很大一部分都是基于调查数据。尽管在基于irt的大规模教育评估上有大量的指导意见，以促进对考生成长的估计，但这方面的专业知识很少用于心理和社会情绪构面的测量。通过一系列模拟和实证研究，我们在单队列重复测量设计中使用总和评分和多种IRT方法生成分数，并使用每组分数比较纵向生长模型的生长估计值的恢复。
2020
2020
2020
