نرم افزار R و RStudio

RStudio یک محیط یکپارچه توسعه  (IDE)متن باز برای R (یک زبان برنامه نویسی برای محاسبات و گرافیک های آماری است) است که توسط  آلیر، خالق زبان برنامه نویسی ColdFusion ، پایه گذاری شد. هادلی ویکهم دانشمند ارشد  RStudio است.

RStudio به دو شکل در دسترس است:

RStudio Desktop

RStudio Server

RStudio دارای نسخه­ های متن باز و تجاری است و بر روی دسک تاپ (ویندوز، مک اُ اس و لینوکس) و در جستجوگرهای متصل به RStudio Server یا Rstudio Server Pro قابل اجرا است.

RStudio تا حدی به زبان برنامه نویسی C++ نوشته شده و از چارچوب Qt برای واسط گرافیکی کاربر (GUI) استفاده می کند. بخش زیادی از کدهای آن به زبان جاوا است. از زبان جاوا اسکریپت نیز استفاده شده است.

کار بر روی RStudio در سال 2010 شروع شد و اولین نسخه بتای آن در فوریه 2010 در اختیار متخصصین قرار گرفت. نسخه 1.1 آن در 9 اکتبر 2017 ارائه شد.

منبع:

https://en.wikipedia.org/wiki/RStudio

نحوه نصب RStudio:

برای نصب RStudio ابتدا باید R را نصب کنید. در واقع RStudio یک افزونه برای R است که استفاده از R را برای افراد تازه کار راحت تر می کند. در لینک زیر می توانید آن را نصب کنید:

http://www.rstudio.com/

از آن جایی که  RSutdio در محیط یکپارچه توسعه طراحی شده است، لازم است توضیح مختصری در مورد این محیط بدانیم.

محیط یکپارچه توسعه  یا IDE

آی‌دی‌ایی عبارت است از محیطی عمدتاً گرافیکی که تمام یا شماری از ابزارهای لازم برای توسعهٔ نرم‌افزار (بخش‌هایی یا تمام زنجیره ابزار توسعه) را خود دارد. در آی‌دی‌ایی دسترسی به ابزارها و اعمال آن‌ها در پروژهٔ جاری تسهیل شده‌است                                     .

امکاناتی که به‌طور معمول در IDEها وجود دارد:                                      

ویرایش و نوشتن کد به‌صورت پیشرفته با استفاده از امکانات پیشنهاد دهنده اتوماتیک که با نوشتن حرف اول یک دستور نام کامل دستورهایی که وجود دارد لیست می‌شود.

نمایش کدها به صورت رنگی                                                              
کمک به رفع عیب‌های نرم‌افزار و حل مشکلات آن؛Debug

منبع:

https://fa.wikipedia.org/wiki/%D9%85%D8%AD%DB%8C%D8%B7_%DB%8C%DA%A9%D9%BE%D8%A7%D8%B1%DA%86%D9%87_%D8%AA%D9%88%D8%B3%D8%B9%D9%87_%D9%86%D8%B1%D9%85%E2%80%8C%D8%A7%D9%81%D8%B2%D8%A7%D8%B1

IDE برای یک برنامه نویس در حکم جعبه ابزار آماده است ، شما به عنوان یک نجار با داشتن میخ فلزی در جعبه ابزار دیگر نیازی به به وجود آوردن میخ نخواهید داشت و در بحث برنامه نویسی شما با داشتن IDE دیگر نیازی به نوشتن یک برنامه کامپایلر ، یک برنامه مفسر ، طراحی یک محیط گرافیکی و یک ویرایشگر کد و ... ندارید و همه این موارد در قالب یک مجموعه نرم افزاری یکپارچه به نام IDE به شما معرفی می شود.

منبع:

https://programming.tosinso.com/articles/26353/ide-%DB%8C%D8%A7-integrated-development-environment-%DA%86%DB%8C%D8%B3%D8%AA-%D8%9F

پروژه Data Wise

هدف پروژه Data Wise، حمایت از مربیان در استفاده از کشف داده ها به طور مشارکتی به منظور بهبود مستمر آموزش و یادگیری برای همه دانش آموزان است. 

چشم انداز این پروژه این است که معلمان در سراسر جهان بخشی از یک جامعه یادگیری هستند و ضامن این هستند که تمام دانش آموزان مهارت ها، دانش و اختیارات خود را توسعه  دهند به گونه ای که آن ها را قادر سازد تا زندگی لذت بخشی داشته باشند.

 از زمانی که دانشکده علوم تربیتی دانشگاه هاروارد در سال 2006 پروژه Data Wise را تاسیس کرد، معلمان، مدرسان، کارکنان اداره مرکزی، دانشکده های دانشگاه و دانشجویان تحصیلات تکمیلی با یکدیگر هماهنگ شده اند تا آزمایش های میدانی انجام دهند که به تیم های آموزشی امکان می دهد تا با Data Wise Improvement Process و ACE Habits of Mind. در ارتباط باشند.

کتاب های منتشر شده مربوط به این پروژه:

 Data Wise: A Step-by-Step Guide to Using Assessment Results to Improve Teaching and Learning (Harvard Education Press, 2013)

Data Wise in Action: Stories of Schools Using Data to Improve Teaching and Learning (Harvard Education Press, 2007) 

Scaling Up Data Wise in Prince George's County (Harvard Education Press, 2017) 

دوره های آموزشی مربوط به این پروژه:

1.       Introduction to Data Wise MOOC

2.       Data Wise Leadership Institute

3.       Data Wise in Action Program

4.       Data Wise Coach Certificate Program

5.       Data Wise Coach Network

منبع:

https://datawise.gse.harvard.edu/

مرور نظام­ مند (Systematic Review)

به زبان ساده مرور نظام مند نوعی بررسی پیشینه است که با استفاده از روش های دقیق، نظام ­مند و شفاف، سوگیری در نتایج را به حداقل می ­رسانند. 

شفافیت به این معنی است که تصمیمات به  طور واضحی مستند شده ­اند. 

سوگیری عبارت است از تحریف نظام­ مند اثر برآورد شده که می­تواند منتج از  تصمیمات مشکل­ زا باشد و تقریبا در هر نقطه فرایند بررسی اتفاق می­ افتد.

مرورهای نظام ­مند بهترین شواهد را برای تصمیم گیرنده فراهم می­ کند. 

این شواهد، در ترکیب با تخصص بالینی و ارزش­ها، ویژگی­ ها و شرایط مراجع، مواد لازم برای تصمیم گیری های خوب هستند (Eden، 2008).

ویژگی های مرور نظام­ مند

1. دارای اهداف روشن با معیارهای ورود به واضح (شفافیت)
2. از روش های جستجوی نظام مند استفاده می کنند که خطر نمونه گیری انتخابی از مطالعات را کاهش می دهد (کاهش خطر سوگیری)
3. از ارزیابی منسجم از اطلاعات موجود استفاده می کنند (کاهش خطر سوگیری)
4.  به خوانندگان اطلاعات بیشتری در مورد تصمیماتی که در طول مسیر گرفته شده، می­دهد و به آن­ها اجازه می دهد تا دسترسی مستقیم تری به کیفیت مرور داشته باشند (افزایش شفافیت)
5. قادر به ارائه دقیق تر برآورد اثر هستند، به ویژه اگر شامل فراتحلیل باشند (افزایش دقت)
6. با انتشار داده های بیشتر،  به روز می شوند (زیرا روش ها شفاف هستند)

گام های انجام مرور نظام مند

1)     تشکیل تیم (متخصص محتوا، متخصص روش، متخصص آمار، کتابدار و مدیریت منابع)
2)     تدوین پروتکل یا طرح کار
3)     طرح سوال یا موضوع
4)     جستجوی نظام مند و جامع برای جمع آوری شواهد
5)     تدوین معیارهای ورود و خروج
6)     ارزیابی انتقادی پیشینه مرتبط
7)     خلاصه کردن داده ها
8)     ترکیب داده ها
9)     انتشار نتایج

منبع:

O’connor, E., Whitlock, E., & Spring, B. (). Systematic Review Module, retrived at: https://ebbp.org/training/systematicreview

چهل و پنجمین کنفرانس سالانه انجمن سنجش آموزشی

27-22 سپتامبر 2019، باکو، آذربایجان

موضوع اصلی کنفرانس، سنجش و تصمیم گیری: راه حل­های فردی و موسسه است. 

Assessment and Decision-Making: Individual and Institutional solutions

موضوعاتی که می توان در آن برای کنفرانس مقاله تدوین کرد عبارتند از:

• Use of assessment in decision-making
• Reliability and validity of assessments in decision-making
• Assessment techniques for better decision-making practices
• Assessment as an institutional reforming tool in education and civil service
• Opportunities and challenges in admission testing and recruitment policies of public and private sector
• Creating value-added measures for better predictions
• The future of assessment instruments in university admissions and civil service selection
• Assessment as an innovation tool in the education system and good governance
• Assessment data and decision making responsibility
• E-assessments and technology-advanced platforms
• Operational/operations research themes in educational and workforce assessments

تاریخ های مهم کنفرانس:

15 دسامبر 2018 : شروع ثبت نام

25 آوریل 2019 : فراخوان چکیده مقالات

1 می 2019: پذیرش چکیده مقالات

14 جولای 2019: ثبت نام

25 اگوست 2019: پذیرش مقالات

کنفرانس 6 روزه است از تاریخ 22 تا 27 سپتامبر 2019.

منبع:

http://iaea2019.org/

کارگاه R (بسته EdSurvey ) در هشتمین کنفرانس تحقیقات بین المللی IEA (IRC-2019)

26-24 ژوئن 2019- کپنهاگ دانمارک  

هشتمین کنفرانس تحقیقات بین المللی IEA (IRC-2019) کارگاه هایی در زمینه تحلیل داده­های ثانویه در تاریخ های 2 تا 4 تیر ماه 1398 برگزار می کند که یکی از آن­ها آموزش بسته EdSurvey در محیط R است. این بسته توسط NCES تدوین شده است.

موضوعات این کارگاه عبارتند از:

• R basics, including getting to know the R environment and R language, and package installation;
• Data processing, including downloading publicly available data and reading data in R;
• Data manipulation, including subsetting and merging data, and renaming and recoding variables;
• Cross-tabulation, including unweighted and weighted totals, conditional means, and the percentage of respondents in a category (conditional on an ancillary categorical variable or on the interactions of an arbitrary number of categorical variables), and estimation of scale score means based on plausible values;
• Calculating the percentiles of a numeric variable or plausible values;
• Analysis of benchmarks for international assessment data;
• Correlations, including Pearson, Spearman, polyserial, polychoric, and correlation between plausible values, with or without weights applied;
• Linear regression, with or without plausible values as the dependent variable;
• Logistic regression that allows either a discrete variable or dichotomized plausible values as the dependent variable; and
• Gap analysis, comparing the average, percentile, achievement level, or percentage of survey responses between two groups that potentially share members.

منبع:

https://www.iea.nl/pre-conference-workshops#Workshop%205