Unlocking the Spectrum of Learning: The Multi-Faceted Magic of Personalization
我们生活在一个激动人心的时代，因为我们可以随时随地获取知识、研究和有效策略，这可以帮助教育工作者为学生创造有意义的体验，以满足他们的需求和优势。有一件事是肯定的：学习不是线性的。虽然一刀切的方法要么对我们有用，要么我们勉强应付过去，但我们互联的世界已经揭示了可以做出的改变，以最大限度地利用学生的课堂时间。这就是个性化的力量。现在，让我澄清一些事情。个性化是所有学习者都能在他们需要的时间和地点获得他们需要的东西，以取得成功。并不是所有的学生都在同一时间以同样的方式做同样的事情。还需要指出的是：您不需要技术来实现个性化学习。让所有孩子同时使用一台设备并让他们观看视频或使用自适应学习工具并不是个性化
Reporting an R-Squared Measure for Count Data Models
这篇文章的灵感来自于我前段时间收到的一封电子邮件，该邮件来自一位博客读者。我认为，更“广泛”的回应可能会引起其他读者的兴趣......尽管存在许多局限性，但在报告最小二乘回归结果时，包括判定系数 (R2) 或其“调整后”的值是标准做法。就我个人而言，我认为 R2 是我们结果中包含的最不重要的统计数据之一，但我们都这样做。（请参阅上一篇文章。）如果所讨论的回归模型是线性的（在参数中）并且包含截距，并且如果参数由普通最小二乘法 (OLS) 估计，则 R2 具有许多众所周知的属性。这些包括：0 ≤ R2 ≤ 1。如果我们向模型中添加回归量，R2 的值不会减小。无论我们将这个度量定义为“解释平方和”与
The trade-off between equality and efficiency reexamined
在本周早些时候阅读并评论了斯蒂格利茨的书之后，在写下以下段落之后......“我也一直认为平等与效率之间的关系是非线性的，而不仅仅是简单的权衡。平等过多并不好，因为它会减少激励，但不平等过多也不好。我想说这种关系是倒 U 型的，走向两个极端——平等过多和过少都对经济不利。诀窍是找到一个最佳点，既能降低不平等程度，又能为每个人提供更多机会，同时又足以继续推动激励。更多内容请见我的下一篇博客文章。”......我只是需要更深入地研究整个平等效率权衡。所以我从一位专门研究经济权衡的人那里挑选了一本开创性的书，他就是 - 亚瑟·奥肯！奥肯更为著名的是他的“定律”，该定律规定了 GDP 和失业率之间的线
