Здесь мы представляем протокол для разложения дисперсию прочитанного в уникальный и общие последствия языка и декодирования.
Простой вид чтения является популярная модель чтения, который утверждает, что чтение это продукт декодирования и языка, с каждым компонентом, однозначно прогнозировать прочитанного. Хотя исследователи утверждают, является ли сумма, вместо того, чтобы продукт компоненты самый лучший упредитель, не исследователи разделы дисперсии, объяснил для изучения степени, к которому компоненты доля дисперсии в прогнозировании чтения. Чтобы разложить дисперсии, мы вычитаем R2 для языка только модели от полной модели для получения уникальный R2 для декодирования. Во-вторых мы вычитаем R2 для декодирования только модели от полной модели для получения уникальный R2 для языка. В-третьих для получения общей дисперсии объясняется языка и декодирования, мы вычитаем сумму двух уникальных R2 от R2 для полной модели. Этот метод демонстрируется в регрессии подход с данными от студентов в классах 1 (n = 372), 6 (n = 309) и 10 (n = 122) с помощью наблюдаемых меру языка (восприимчивы словарь), декодирование (чтение приурочен слово) и понимание прочитанного (стандартизированный тест). Результаты свидетельствуют о сравнительно большое количество дисперсии прочитанного, объяснил в классе 1 общей вариативность декодирования и языка. В 10 классе однако, это уникальный эффект языка и общий эффект языка и декодирования объяснить большинство дисперсии прочитанного. Результаты обсуждаются в контексте расширенной версии простой вид чтения, что считает уникальным и общие эффекты языка и декодирование в прогнозировании прочитанного.
Простой вид чтения1 (SVR) продолжает, как популярная модель чтения из-за своей простоты чтения (R) является продуктом декодирования (D) и язык (L)- и потому что SVR стремится объяснить, в среднем, приблизительно 60% объяснил дисперсию в чтении 2понимание. SVR предсказывает, что корреляции между D и R будет сокращаться с течением времени и что корреляции между L и R будет увеличиваться со временем. Исследования в целом поддерживают это предсказание3,4,5. Существуют разногласия, однако, о функциональной форме СВР, с аддитивной модели (D + L = R) объясняя значительно больше дисперсия прочитанного чем модели продукции (D × L = R)6,7,8и сочетание суммы и продукта [R = D + L + (D × L) объясняя наибольшее количество вариативность в чтении понимание3,9.
Недавно в SVR модель распространилась за пределы на основе наблюдаемых переменных скрытых переменных моделирования с помощью подтверждающих фабрика анализа и моделирования структурных уравнение регрессии. D обычно измеряется с untimed или приурочен чтении реальные слова и/или nonwords и R обычно измеряется стандартизованной чтение тест, который включает грамотность и информационные проходы последовали тестовых вопросов. L обычно измеряется тесты восприимчивым и выразительный лексики и, особенно в начальных классах, мерами восприимчивым и выразительный синтаксиса и аудирование. Большинство продольных исследований сообщают, что L одномерного10,11,12,13. Однако еще лонгитюдное исследование14 сообщает структуру двух факторов для L в начальных классах и одномерного структуры в 4 и 8 классов. Последние Поперечные исследования сообщают, что лучшая модель bifactor подходит для данных и предсказывает R15,16,17,18. К примеру, Foorman и др. 16 по сравнению одномерного, три фактор, четыре фактор и bifactor модели SVR в данных от студентов в классах 4-10 и обнаружил, что модель bifactor лучше всего подходят и объяснил 72% до 99% дисперсии в р. Общий коэффициент L объяснил, что разница во всех семи классов и словарный запас и синтаксис однозначно объяснить расхождение только в одном классе. Хотя фактор D умеренно коррелировалось с L и R во всех классах (0,40-0,60 и 0,47-0,74, соответственно), он был однозначно не коррелирует с R при наличии общего коэффициента L.
Даже несмотря на то, что латентных переменных моделирования имеет расширенный SVR, проливают свет на размерность L и уникальную роль, которую играет L в прогнозировании R за пределами начальных классов, исследования не СВР за исключением одного, Foorman и др 19 разделы дисперсию прочитанного в то, что объясняется уникальным D и L и то, что является общим в общем. Это большое упущение в литературе. Концептуально это имеет смысл, что D и L будет делить вариативность в прогнозировании письменного языка, потому что слова признания влечет за собой лингвистических навыков фонологии, семантика и дискурса в предложении и тексте уровня20. Аналогичным образом лингвистическое осмысление должен быть подключен к ортогональных представлений фонемы, морфемы, слов, предложений и дискурса, если текст должен быть понятны21. Умножая D L не дают знания, разделяют эти компоненты. Только разложение дисперсии в то, что является уникальным и что разделяет D и L в прогнозирования R покажет интегрированных знаний, решающее значение для успеха образовательных мероприятий.
Одно исследование, Foorman и др. 19 , разложить дисперсию прочитанного в то, что является уникальным и что разделяют общие D и L занятых латентной переменной моделирования подход. Следующий протокол демонстрирует технику с данными от студентов в классах 1, 7 и 10, на основе единого наблюдается переменные D (приурочен декодирования), L (восприимчивы словарь), и R (стандартизированные чтения понимание тест) чтобы сделать процесс разложения легко понять. Данные представляют собой подмножество данных из Foorman и др. 19.
Существует три важнейшие шаги в протоколе для разложения вариативность в R в уникальный и общие отклонения вследствие L и D. Во-первых вычесть R2 L-только модели от полной модели для получения уникальный R2 D. Во-вторых вычтите R2 для D-только модели от полной модели для получ…
The authors have nothing to disclose.
Исследования, сообщили здесь было поддержано, Институт педагогических наук, Департамент образования США, через subaward в государственный университет Флориды от Грант R305F100005 в Educational Testing Service в рамках чтения для понимания Инициативы. Высказанные мнения принадлежат авторам и не представляют взгляды института, Департамент образования США, Educational Testing Service или университет штата Флорида.