1-ابتدا داده ها به فرمت txt یا dat ذخیره می شود.
2- پس از باز کردن نرم افزار در منوی Mplus بروید.
2-در اون منو به language generator بروید.
3- EFA را انتخاب کنید.
4- در قسمت brows داده ها را فراخوانی کنید و next را بزنید.
5- در مرحله بخش تغییری لازم نیست. next را بزنید.
6- در بخش بعد در قسمت variable name تعداد سوالات پرسشنامه تو بزنید. مثلا اگه 44 تا سوال دارید بزنید q1-q44. بعد add و next را بزنید.
7- در صفحه بعد در variable list اون متغیرها را انتخاب کنید و add کنید و بعد next را بزنید.
8- در صفحه بعد اون متغیرها را انتخاب کنید و در قسمت categorical variable بزنید select و بعد next را بزنید.
9- در صفحه بعد در قسمت lower limit مثلا بنویسید 4 و در قسمت upper limit بنویسید 6. این جا بستگی به نظر محقق داره ولی معمولا یکی کم تر از تعدا عامل های احتمالی و یکی بیش تر از تعداد عامل ها می زنند. مثلا من فرض کردن 5 عامل دارم پس میشه 4 و 6. بعدش روش برآوردتو انتخاب کنید و بعد next را بزنید.
10- در صفحه بعد next را بزنید.
11-بعدش سینتکس اماده میشه و توی منو اون بالا یک قسمت آبی هست به نام run که با کلیک بر روی آن مدل شما اجرا می شود.
این کتاب مقدمه ای بر روش فضای قاعده است که دارای 10 فصل و 344 صفحه است. در زیر فهرست محتوای این کتاب ارائه شده است:
1.Dimensionality of Test Data and Aberrant Response Patterns.
2.Parametric Person-fit Statistics, Zeta z and Generalized Zetas z1,... zm.
3.Cognitive Modeling by Developing an Incidence Matrix Q.
4.Knowledge Space generated from a Q-matrix.
5.A Classification Space: Rule Space as a Cartesian Product of the Person Parameter q in Item Response Theory, z and Generalized Zetas.
6.Classification Rules.
7.Rule Space Decision Rules and Attribute Mastery Probabilities.
8.Posterior Probabilities with Different Prior Probabilities and Their Effect on the Attribute Mastery Probabilities.
9.Reliability of Items, Persons, and Their Relationship to the Classical Test Theory.
10.Validation of Attributes, a Q-Matrix Coded by the Involvement of Attributes to Items and a Test.
Invite Link: https://t.me/joinchat/AAAAAECgmE7jKdENSESJfQ
The RSM (e.g., Tatsuoka, 1983, 1995, 2009) can be used to model dichotomously and polytomously scored items, but is restricted to dichotomous attribute classifications (i.e., mastery vs. non-mastery).
The rule-space approach for classification represents a conjunctive non-compensatory assumption in that all measured attributes have to be mastered to correspond correctly to an individual item.
The RSM is a pattern classification approach, not a fully probabilistic model that consists of two distinct steps.
In the first step, a traditional unidimensional IRT model is estimated, and the estimates from the IRT model are saved for use in the second step. Consequently, information about the attribute structure of the assessment is not used at all at this stage.
In the second step, the respondents are classified into one of the attribute profiles using a multivariate distance measure.
نکات مربوط به روش شناسی فضای قاعده (RSM):
1-برای سوالات دو ارزشی و چند ارزشی استفاده می شود.
2-آزمودنی ها را فقط به دو گروه مسلط یا غیر مسلط طبقه بندی می کند.
3-یک مدل غیر جبرانی است.
4-یک رویکرد طبقه بندی است نه یک مدل کاملا احتمالاتی.
5-تحلیل در دو گام انجام می شود.
Invite Link: https://t.me/joinchat/AAAAAECgmE7jKdENSESJfQ
1. تابع sapply() برای یک شاخص توصیفی خاص
مثلا این دستور sapply(mydata, mean, na.rm=TRUE) میانگین همه متغیرهای مربوط به داده های فراخوانی شده را می دهد. در این دستور داده های گمشده در نظر گرفته نمی شوند. تابع های موجود در sapply عبارتند از:
mean, sd, var, min, max, median, range, and quantile
2. تابع summary() شاخص های توصیفی خاصی را ارائه می دهد:
مثلا دستور summary(mydata) شاخص های توصیفی زیر را ارائه می کند:
mean,median,25th and 75th quartiles,min,max
در اینجا اگر شاخص توصیفی متغیر خاصی را در data frame بخواهیم از $ در دستور استفاده می کنیم. مثلا اگر شاخص های توصیفی متغیر age را بخواهیم دستور به صورت زیر می شود:
summary(mydata$age)
3. استفاده از بسته Hmiscc با دستور describe(mydata) که شاخص های زیر را ارائه می کند:
# n, nmiss, unique, mean, 5,10,25,50,75,90,95th percentiles, # 5 lowest and 5 highest scores
4. استفاده از بسته pastecs با دستور stat.desc(mydata) که شاخص های زیر را ارائه می کند:
# nbr.val, nbr.null, nbr.na, min max, range, sum, # median, mean, SE.mean, CI.mean, var, std.dev, coef.var
5. استفاده از بسته psych با دستور describe(mydata) که شاخص های زیر را ارائه می کند:
# item name ,item number, nvalid, mean, sd, # median, mad, min, max, skew, kurtosis, se
علاوه بر این بسته psych با دستور describe.by(mydata, group,...) شاخص های توصیفی را به تفکیک یک متغیر گروهبندی ارائه می دهد.
6. بسته moment نیز شاخص های کجی و کشیدگی را ارائه می دهد.
معاونت برنامه ریزی و امور اقتصادی دانش بنیان دانشگاه آزاد اسلامی واحد تهران جنوب برگزار می نماید؛
کارگاه فیوژن مدل شناختی Cognitive Diagnostic Assessment
مدرس: اعظم مقدم
با ظرفیت ۱۰نفر( ظرفیت باقی مانده ۵ نفر) ، یک روزه،به مدت 8 ساعت، به مبلغ ۳۰۰هزار تومان.
*جهت کسب اطلاعات بیشتردر ساعات اداری با خانم فهیم خو
37و83843427-021
خانم ابراهیمی
0930 212 0221
خانم صوفه
09126803292
تماس حاصل فرمایید.
Invite Link:
https://t.me/joinchat/AAAAAECgmE7jKdENSESJfQ