XiaoMi-AI文件搜索系统
World File Search SystemRasch
学生在 3R 中的人工智能依赖性：问卷构建和验证
教育学院，教职员工，新怡诗夏科技大学-加巴尔登校区，菲律宾加巴尔登 电子邮件：andiecapinding103087@gmail.com (A.T.C.)稿件收到于 2024 年 6 月 6 日；修订于 2024 年 7 月 15 日；接受于 2024 年 8 月 21 日；发表于 2024 年 11 月 12 日 摘要 — 人工智能 (AI) 融入教育既带来了突破性的机遇，也带来了担忧。这些问题之一是学生在阅读、写作和计算/算术 (3R) 领域对人工智能的依赖程度。虽然现有工具深入研究了人工智能的更广泛影响，但它们表现出一定的局限性。因此，本研究致力于开发和验证专门的问卷，以评估学生在 3R 方面对人工智能的依赖程度。该过程包括对学生群体的采访、与教育界专业人士的咨询、表面验证、内容验证、探索性因子分析、验证性因子分析、Rasch 分析和可靠性测试，以指导工具的构建和验证。初始项目识别涉及一份分布在三个结构中的 45 个项目问卷，这些问卷来自对学生和专家的定性访谈。调查共收到 727 份回复。在 EFA 之后，九个项目由于未能达到 0.5 的负载因子而被淘汰，并且某些项目表现出交叉负载。随后的 Rasch 分析肯定了这些工具的结构有效性，促使删除另外三个项目。最终的问卷包含 33 项内容，分为三个部分——阅读（10 项）、写作（11 项）和计算/算术（12 项），是衡量学生在 3R 方面的依赖性的一种经过验证的可靠工具。作者确认了问卷的有效性和可靠性。未来的研究应侧重于纵向研究，以评估 AI 依赖性如何随时间演变并影响教育成果。关键词 — 人工智能 (AI) 依赖性、探索性因子分析、Rasch 分析、可靠性测试、有效性测试
o r i g i n a l r e s a r c h哮喘算术问卷（ANQ）的验证：因素A
背景：哮喘的全球患病率不断提高，需要有效的疾病管理，患者及其家人扮演核心角色。增强护理人员中的健康素养（HL）对于改善哮喘结果至关重要。目的：本研究旨在验证哮喘计算问卷（AR-ANQ）的阿拉伯语版本，以解决针对讲阿拉伯语人群的HL评估工具中的差距。患者和方法：共有400名哮喘儿童父母在门诊呼吸道诊所完成了AR-ANQ。验证性因素分析（CFA）和RASCH分析用于评估仪器的心理测量特性。结果：CFA支持AR-ANQ的一维结构，具有出色的模型拟合指数（χ²/DF = 4.6，SRMR = 0.02，CFI = 0.99，GFI = 0.99，TLI = 0.96）和高内部一致性（Cronbach'sα= 0.82）。RASCH分析进一步证明了心理鲁棒性，具有较高的人和分离可靠性（分别为0.74和0.99）和可接受的INFIT和服装统计。结论：哮喘计算问卷（AR-ANQ）的阿拉伯语版本是评估哮喘儿童父母健康素养的可靠且有效的工具。关键字：哮喘计算问卷，哮喘，健康素养，阿拉伯语，小儿
制定心脏窘迫量表简表
心理测量特征和临床判断。我们首先评估了 CDI 中每个项目与临床状态测量的 Spearman 相关性：K6 总分和情绪温度计套件中的痛苦温度计。然后我们从 8 个子量表中分别选取了相关性最高的两个项目。如果该项目在两个测量中的相关性最高，则该项目无需进一步检查即可纳入。如果该项目仅在其中一个“黄金标准”上相关性最高，或者存在边缘项目，我们将根据 Rasch 模型检查其他心理测量特征。
中国青少年的20个项目K-Docs的心理测量验证：多方法方法
创造力对于应对新世界挑战至关重要。Kaufman创造力量表（一种广泛使用的自我报告量表）评估了独特的创造力方面，但缺乏18岁以下青少年的验证，并且受经典测试理论（CTT）的限制。这项研究评估了15-18岁的中国青少年中20个项目Kaufman创造力量表（20-K-Docs）的心理测量特性。3,079名青少年完成了20 k-docs。ctt，Rasch分析和探索性结构方程模型（ESEM）用于评估可靠性和各种类型的有效性。通过将20k-Docs分数与创造性的自我效能（CSE）相关联，可以检查并发有效性。20 k-docs表现出极好的内部一致性（麦当劳的欧米茄：0.91–0.95）。Rasch分析支持项目有效性和最佳功能。倾斜的五因素模型和ESEM五因素模型表示令人满意的模型拟合。ESEM揭示了收敛的有效性和高因子相关性，从而提高了判别有效性。在20 k-docs和CSE之间发现了显着的正相关，尤其是在艺术和学术创造力中。20 k-Docs是中国青少年特定领域创造力的可靠且有效的量度。的发现强调了特定于领域的方法对创造力评估的重要性，并提出了开发更简洁的规模版本的潜力。
是算法交易法律
目标是为了创建一个问卷，该问卷准确地测量了在工作场所中计算机使用引起的视觉症状。使用文献综述，专家讨论，预测试，试点测试和重新测试进行了一项研究，以验证该计算机视觉综合征问卷（CVS-Q）。通过职业健康，验光和眼科专家评估来确保内容有效性。使用Rasch分析评估了问卷的心理测量特性。标准有效性是通过计算灵敏度和特异性，接收器操作员特征曲线和截止点来确定的。使用Cohen's Kappa（κ）的类内相关系数（ICC）和一致性测试了重复测试重复性。开发的CVS-Q在专家之间达成了广泛的共识和目标群体的良好接受。它以单个评分量表来评估16个症状，可很好地适合Rasch评级量表模型。问卷达到了70％以上的敏感性和特异性，并且对获得的两个分数显示出良好的测试重复性[ICC = 0.802; 95％CI：0.673，0.884]和CVS分类（κ= 0.612; 95％CI：0.384，0.839）。发现CVS-Q具有可接受的心理测量特性，使其成为控制计算机工人视觉健康的有效且可靠的工具。它可以在临床试验和结果研究中使用。关键字：asthenopia;计算机终端；诊断;眼病；职业接触;职业健康。人口问题
分析策略复杂程度的序数模型
在描述早期数学干预对儿童结果的影响时，研究人员通常依赖评估中正确答案的比例。在这里，我们建议将重点转移到问题解决策略的相对复杂程度上，并为有兴趣研究策略的研究人员提供方法指导。我们利用来自幼儿园样本的随机教学实验的数据，该实验的详细信息在 Clements 等人 (2020) 中概述。首先，我们描述我们的问题解决策略数据，包括如何以易于分析的方式对策略进行编码。其次，我们探索哪些类型的序数统计模型最符合算术策略的性质，描述每个模型对问题解决行为的暗示，以及如何解释模型参数。第三，我们讨论“治疗”的效果，将其操作化为与算术学习轨迹 (LT) 相一致的教学。我们表明，算术策略的发展最好被描述为一个连续的逐步过程，并且接受 LT 教学的儿童在后评估中使用更复杂的策略，相对于在针对目标的技能条件下的同龄人。我们引入潜在策略复杂性作为与传统 Rasch 因子分数类似的指标，并证明它们之间存在中等相关性（r = 0.58）。我们的研究表明，策略复杂性所包含的信息与传统的基于正确性的 Rasch 分数不同，但与之互补，这促使其在干预研究中得到更广泛的使用。
开发新的临床检查量表，以测量克鲁特兹菲尔德杰科布疾病
抽象的目标是使用强大的统计方法来开发和验证临床评级量表，以量化床边散发性creutzfeldt-jakob病（SCJD）的纵向运动和认知功能障碍。方法Rasch分析用于迭代构造间隔量表，以测量从2008年10月至2016年10月至12月的前瞻性国家Prion监测同伙研究中收集的合并床旁神经认知检查的复合认知和运动功能障碍。由528例SCJD患者构建的纵向临床检查数据集，包括1030运动量表和757个认知量表，超过130名患者 - 研究年份，用于证明量表效用。结果Rasch衍生的运动量表由8个项目组成，包括依赖于金字塔，锥体外和小脑系统的评估。认知量表包括6个项目，包括执行功能，语言，视觉感知和记忆的度量。两个量表都是一维的，独立于年龄或性别，并且具有良好的间可靠性。，它们可以在床边的几分钟内完成，作为正常神经认知检查的一部分。可以通过平均两个分数来得出综合考试量表。在测量纵向变化，预后和表型异质性方面进行了几种量表用途。结论这两个新型的SCJD运动和认知量表以及综合检查量表应被证明可用于客观地测量未来临床试验的表型和临床变化以及患者分层。这种统计方法可以有助于克服评估迅速进行性的多系统条件的临床变化的障碍，并且纵向随访有限。
计划概览 - IEEE ISCAS 2024
1. 如何对基于模拟的内存计算 (AIMC) 系统的训练和推理进行建模 (讲师：Corey Lammie、Manuel Le Gallo、Malte Rasch、Kaoutar El Maghraoui) [房间：水瓶座 2] 2. 用于自动物理设计的机器学习 (讲师：Ioannis Savidis、Pratik Shrestha) [房间：水瓶座 3] 3. 走向无电池和低成本的分布式传感器节点：从新颖的 IC 方法到系统级工业设计 (讲师：Orazio Aiello、Roberto La Rosa) [房间：水瓶座 4] 4. 生物医学电路和系统的硬件安全性 (讲师：Ibrahim (Abe) M. Elfadel) [房间：Gemini 1] 5. 人工智能新时代：在视觉应用中释放大型模型的力量 (导师：刘佳莹、程文皇、杨帅) [房间：Gemini 2]
亚洲护理研究div>
目的：本研究的目的是评估有关自报告工具的测量特性的研究。方法：此描述性综述包括有关测量特性的研究，这些研究在2016年至2020年9月的五年中在亚洲护理研究中报告。九个关键的测量特性：内容有效性，结构有效性，内部一致性，跨文化有效性/测量不变性，可靠性，测量误差，标准有效性，假设测试结构有效性和责任心。结果：最常用的测量特性是结构有效性和内部一致性。然而，需要严格分析和解释使用确定因素分析或项目响应理论/ RASCH分析的结构有效性。均未评估测量错误和响应能力。结论：建议护理研究人员使用更严格的方法来评估结构有效性和内部一致性以外的测量特性。©2020韩国护理科学学会。由Elsevier BV出版。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
lbkt：长期序列数据的基于LSTM BERT的知识跟踪模型
摘要。知识追踪领域（KT）旨在通过分析他们的历史行为数据来了解学生如何随着时间的推移学习和掌握知识。为了实现这一目标，许多研究人员提出了使用智能辅导系统（ITS）的数据来预测学生随后的行动的KT模型。然而，随着其大规模数据集的发展，包含长期数据的大规模数据集开始出现。最近基于深度学习的KT模型在处理包含长期数据的大规模数据集时面临着低效率，低精度和低解释性的障碍。To address these is- sues and promote the sustainable development of ITS, we propose a L STM B ERT-based K nowledge T racing model for long sequence data processing, namely LBKT , which uses a BERT-based architecture with a Rasch model-based embeddings block to deal with different difficulty levels information and an LSTM block to process the sequential char- acteristic in students' actions.LBKT在ACC和AUC指标上实现了大多数基准数据集的最佳性能。