کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8941749 1645023 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Informative tools for characterizing individual differences in learning: Latent class, latent profile, and latent transition analysis
ترجمه فارسی عنوان
ابزارهای اطلاع رسانی برای توصیف تفاوت های فردی در یادگیری: کلاس غیرقابل پیش بینی، مشخصات پنهان و انتقال گذرا نهان
کلمات کلیدی
روش های متمرکز بر شخص، مدل مخلوط متغیر باقیمانده، تفاوتهای فردی، مسیرهای آموزشی، الگوهای رشد،
ترجمه چکیده
این مقاله مقدمه ای برای کلاس های پنهان، نمایه پنهان و مدل های انتقال پنهان برای محققانی که علاقه مند به تحقیق در مورد تفاوت های فردی در یادگیری و توسعه هستند، ارائه می دهد. این مدل ها می توانند تحلیل کنند که چگونه ناهمگنی مشاهده شده در یک گروه (به عنوان مثال، تفاوت های فردی در دانش مفهومی) را می توان به زیر گروه های همگن (به عنوان مثال، دانش آموزان به صورت سیستماتیک در مراحل تکامل خود متفاوت) یافت می شود. پارامترهای تخمینی شامل الگوی پاسخ مشخص برای هر زیرگروه و در مورد داده های طولی، احتمال انتقال از یک زیرگروه به دیگری در طول زمان است. در این مقاله مراحل مربوط به استفاده از مدل ها، مثال های عملی و محدودیت ها و گسترش ها را مورد بحث قرار می دهیم. به طور کلی، مدل ها به توصیف جمعیت جمعیت ناهمگون یادگیرندگان، نتایج یادگیری چند بعدی، مسیرهای یادگیری غیر خطی و تغییر روابط بین فرایندهای یادگیری کمک می کنند. لذا استفاده از این مدل ها می تواند به شناخت ما از یادگیری و تفاوت های فردی کمک قابل توجهی کند.
موضوعات مرتبط
علوم انسانی و اجتماعی روانشناسی روانشناسی رشد و آموزشی
پیش نمایش مقاله
ابزارهای اطلاع رسانی برای توصیف تفاوت های فردی در یادگیری: کلاس غیرقابل پیش بینی، مشخصات پنهان و انتقال گذرا نهان
چکیده انگلیسی
This article gives an introduction to latent class, latent profile, and latent transition models for researchers interested in investigating individual differences in learning and development. The models allow analyzing how the observed heterogeneity in a group (e.g., individual differences in conceptual knowledge) can be traced back to underlying homogeneous subgroups (e.g., learners differing systematically in their developmental phases). The estimated parameters include a characteristic response pattern for each subgroup, and, in the case of longitudinal data, the probabilities of transitioning from one subgroup to another over time. This article describes the steps involved in using the models, gives practical examples, and discusses limitations and extensions. Overall, the models help to characterize heterogeneous learner populations, multidimensional learning outcomes, non-linear learning pathways, and changing relations between learning processes. The application of these models can therefore make a substantial contribution to our understanding of learning and individual differences.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Learning and Individual Differences - Volume 66, August 2018, Pages 4-15
نویسندگان
, , , , ,