Burada okuduğunu anlama dili ve kod çözme benzersiz ve ortak Effects’e içinde farkı çürüyen bir protokol mevcut.
Basit görünüm okuma okuma çözme ve dil, her bileşenin benzersiz olarak okuduğunu anlama tahmin ile ürünü olduğunu iddia ediyor okuma popüler bir modeldir. Olmamakla birlikte araştırmacılar ürün bileşenleri yerine toplamı daha iyi tahmin olup iddia, yok araştırmacılar için okuma öngörmede varyans bileşenleri paylaşmak ölçüde incelemek için açıkladı varyans bölümlenmiş. Varyans ayrıştırmak için biz kod çözme için benzersiz R2 ‘ yi edinmek için tam modeli salt dil modelinden R2 çıkarın. İkinci olarak, biz dil için benzersiz R2 ‘ yi edinmek için tam modeli salt kod çözme modelinden R2 çıkarın. Üçüncü olarak, ortak varyans elde etmek için açıkladı dil ve kod çözme, biz iki benzersiz R2 tam modeli için R2 toplamı çıkarın. Yöntemi ile veri regresyon yaklaşımda 1. sınıflarda öğrencilere üzerinden gösterilmiştir (n = 372), 6 (n = 309) ve 10 (n = 122) dil (alıcı kelime) gözlenen bir ölçü birimi kullanılarak, (zamanlanmış kelime okuma) kod çözme ve okuduğunu anlama (Standart test). Sonuçlar 1 sınıfta açıkladı okuduğunu içinde farkı çözme ve dil ortak varyans tarafından nispeten büyük miktarda ortaya koyuyor. 10 sınıf tarafından dilinin benzersiz bir etki ve bu farkı anlama okuma çoğunluğu açıkladı ortak dil ve kod çözme be. Sonuçlar basit görünüm, dil ve okuduğunu anlama biçilen değerinde kod çözme paylaşılan benzersiz ve etkileri dikkate okuma genişletilmiş bir versiyonu bağlamında ele alınmıştır.
Dil (L) ve (D) kod çözme ürün okuma onun sadelik-okuma (R) nedeniyle popüler bir model olduğu gibi basit görünüm okuma1 (SVR) devam ediyor- ve SVR açıklamak, ortalama olarak, eğilimindedir çünkü yaklaşık % 60’ı varyans okuma açıkladı anlama2. SVR D ve R arasındaki bağıntıları zamanla azalacak ve L ve R arasındaki bağıntıları zamanla artacağını öngörüyor. Çalışmalar genellikle bu tahmin3,4,5destekler. Orada anlaşmazlıklar, ancak, SVR, fonksiyonel formu katkı modelleri ile ilgili (D + L = R) ürün modelleri daha okuduğunu içinde önemli ölçüde daha fazla farkı açıklayan (D × L = R)6,7,8ve bir sum ve ürün kombinasyonu [R = D + L + (D × L) en büyük farkı anlama3,9okuma miktarını açıklayan.
Son zamanlarda SVR modeli doğrulama fabrika Analizi ve yapısal denklem modelleme kullanarak gizli değişken modelleme gözlenen değişkenlere göre gerilemeleri ötesine genişledi. D genellikle untimed veya zamanlanmış okuma gerçek kelimeler ve/veya nonwords ile ölçülür ve R genellikle okuma-yazma ve bilgilendirme geçişleri izledi tarafından çoktan seçmeli sorular içeren bir okuma standartlaştırılmış test ölçülür. L genellikle testleri ifade ve alıcı kelime ve özellikle birincil sınıflarda etkileyici ve alıcı sözdizimi ve dinlediğini anlama önlemlerle ölçülür. En uzunlamasına çalışmalar L Venüslüdür10,11,12,13olduğunu rapor etmektedir. Ancak, başka bir boyuna çalışma14 birincil notlar ve sınıflar 4 ve 8 Venüslüdür yapısında L için iki faktörlü yapısı bildirir. Yeni kesitsel çalışmalar bifactor modeli en iyi veri ve R15,16,17,18öngörür rapor. Örneğin, Foorman vd. 16 Venüslüdür, üç faktörlü, dört faktör ve 4-10. sınıflarda öğrencilere verilerden SVR bifactor modellerinde göre ve bifactor modeli en uygun ve %72 %99 R. varyans açıkladı Genel bir L faktör varyans tüm yedi notlar ve kelime ve sözdizimi benzersiz olarak yalnızca bir sınıf varyans açıkladı açıkladı. D faktör orta tüm sınıflarda L ve R ile ilişkili, ancak (0.40-0,60 ve 0,47-0,74, sırasıyla), bu benzersiz olarak R ile genel L faktörü varlığında ilişkili değil.
L ve birincil notlar, SVR biri tarafından Foorman ve ark. dışında hiçbir çalışmaların ötesinde R biçilen değerinde L oynadığı benzersiz rolü dimensionality ışık akıtan tarafından genişletilmiş SVR gizli değişken modelleme olmasına karşın 19 benzersiz olarak D ve ben dolayı ne olduğunu ve ne ortak paylaşılan içine okuduğunu içinde farkı bölümlenmiş. Bu edebiyat büyük bir ihmal var. Kavramsal olarak D ve L kelime tanıma ses bilimi, semantik ve söylem cümle ve metin düzeyleri20dil becerilerini gerektirir çünkü yazı dili öngördürücüsü olarak varyans paylaşmak mantıklı. Benzer şekilde, metin anlaşılır21olacaksa dil anlama Fonem, morphemes, kelimeler, cümleler ve söylem ortografik temsilleri bağlanmalıdır. D L tarafından çarparak bu bileşenler tarafından paylaşılan bilgi vermez. Yalnızca ayrıştırma varyans benzersiz nedir ve ne D ve L predicting r tarafından paylaşılır içine entegre bilgi eğitim müdahaleler başarısı çok ortaya çıkaracaktır.
Foorman ve ark. tarafından bir çalışma okuduğunu anlama benzersiz nedir ve ne D ve L tarafından paylaşılan ortak varyans çürümüş 19 yaklaşım modelleme gizli bir değişken istihdam. Aşağıdaki iletişim kuralı üzerinden 1, 7 ve 10 (zamanlanmış kod çözme) D, L (alıcı kelime) ve R için değişkenleri gözlenen tek temel sınıflarda öğrencilere teknik verilerle gösterir (okuduğunu anlama testi okuma standartlaştırılmış) decomposition işlem yapmak kolay anlaşılır. Verileri verilerin bir alt kümesini temsil Foorman vd. 19.
R varyans benzersiz ve ortak varyans L ve d nedeniyle içine çürüyen için protokol içinde üç kritik adım vardır İlk olarak, benzersiz R2 d için elde etmek için tam modeli salt L modelindeki R2 çıkarma İkinci olarak, L. üçüncü L ve D tarafından açıkladı ortak varyans elde etmek için için benzersiz R2 ‘ yi edinmek, iki benzersiz R2 tam modeli için R2 toplamı çıkarmak için tam modeli salt D modelinden2 R çıkarma.
<p class="…The authors have nothing to disclose.
Rapor burada Araştırma Enstitüsü Eğitim Bilimleri US Department of Education, Grant R305F100005 anlamak için okuma parçası olarak eğitim test hizmeti için gelen Florida Devlet Üniversitesi’ne bir subaward ile desteklenmiştir Girişimi. Görüş ifade yazarlar vardır ve Enstitü, US Department of Education, eğitim hizmeti test veya Florida Eyalet Üniversitesi temsil etmemektedir.