مفروضات تحلیل واریانس چند متغیره (MANOVA)

تحلیل واریانس چند متغیره زمانی مورد استفاده قرار می گیرد که حداقل دو متغیر وابسته داشته باشیم. قبل از انجام این تحلیل لازم است مفروضاتی به شرح زیر مورد بررسی قرار گیرد:

مفروضه اول: متغیرهای وابسته دارای مقیاس نسبی یا فاصله ای باشند.

مفروضه دوم: متغیر مستقل دارای دو یا بیش از دو سطح مجزا باشند.

مفروضه سوم: مشاهدات مستقل از هم باشند؛ یعنی رابطه ای بین مشاهدات در درون گروه ها یا بین گروه ها وجود نداشته باشد.

مفروضه چهارم: حجم نمونه به اندازه کافی باشد.

مفروضه پنجم: داده های پرت تک متغیره (با استفاده از نمودار جعبه ای) یا چند متغیره (با استفاده از فاصله ماهالانوبیس) وجود نداشته باشد.

مفروضه ششم: داداه ها دارای توزیع نرمال چند متغیره باشند.

مفروضه هفتم: یک رابطه خطی بین جفت متغیرهای وابسته در سطوح مختلف متغیر مستقل وجود داشته باشد.   

مفروضه هشتم: ماتریس واریانس-کوواریانس، همگن باشد (استفاده از آزمون ام باکس)

مفروضه نهم: هم خطی چندگانه وجود نداشته باشد. (وجود همبستگی متوسط بین متغیرها-همبستگی کم یا زیاد قابل قبول نیست.)

معرفی سایت psychometrica برای محاسبه اندازه اثر یا effect size از طریق ماشین حساب آن لاین

یکی از شاخص های مهمی که لازم است محققین علاوه بر معناداری آماری گزارش کنند شاخص اندازه اثر است. در برخی از نرم افزارها از جمله Stata محاسبه اندازه اثر به 4 روش ممکن است ولی برخی از نرم افزارها امکان محاسبه این شاخص را برای همه روش های آماری ندارند.

 همین امر باعث شده است تا در برخی از سایت ها مانند Psycometrica مقدار آن با استفاده از ماشین حساب های آن لاین طراحی شده برای این شاخص محاسبه شود.

برای محاسبه اندازه اثر در این سایت به لینک زیر مراجعه کنید:

https://www.psychometrica.de/effect_size.html

15 موردی که توسط این ماشین حساب آن لاین محاسبه می شوند عبارتند از:

1.    Comparison of groups with equal size (Cohen's d, Glass Δ)

2.    Comparison of groups with different sample size(Cohen's d, Hedges' g)

3.    Effect size for pre-post-control studies with the correction of pretest differences

4.    Effect size estimates in repeated measures designs

5.    Calculation of d from the test statistics of dependent and independent t-tests

6.    Computation of d from the F-value of Analyses of Variance (ANOVA)

7.    Calculation of effect sizes from ANOVAs with multiple groups, based on group means

8.    Increase of success through intervention: The Binomial Effect Size Display (BESD) and Number Needed to Treat (NNT)

9.    Risk Ratio, Odds Ratio and Risk Difference

10.  Effect size for the difference between two correlations

11.  Effect size calculator for non-parametric Tests: Mann-Whitney-U, Wilcoxon-W and Kruskal-Wallis-H

12.  Computation of the pooled standard deviation

13.  Transformation of the effect sizes r, d, f, Odds Ratioand eta square

14.  Computation of the effect sizes d, r and η² from χ²- and z test statistics

15.  Table for interpreting the magnitude of d, r and eta square according to Hattie (2009) and Cohen (1988)

طرح استانداردهای مبتنی توافق برای انتخاب ابزارهای اندازه گیری سلامت (COSMIN)

COnsensus‐based Standards for the selection of health Measurement  Instruments (COSMIN)

هدف طرح COSMIN بهبود انتخاب ابزارهای اندازه گیری سلامت است. اندازه گیری در پزشکی به دلیل فقدان شواهد و توافق در مورد این که بهترین ابزارها چیست، دچار مشکل شده است. ابزارهای اندازه گیری مختلفی برای اندازه گیری یک سازه مشخص وجود دارد. این ابزارهای اندازه گیری از نظر محتوا، هدف (یعنی تشخیص یا ارزیابی) و کیفیت (یعنی ویژگی های اندازه گیری) متفاوت هستند. این امر منجر به نتایج مطالعه غیر قابل مقایسه، خطر نتیجه گیری های غلط و اعمال مبتنی بر عدم شواهد شده است.

انتخاب ابزار را می توان با استفاده از سنجش استاندارد شده محتوا و ویژگی های اندازه گیری ابزارها تسهیل کرد. هدف طرح COSMIN تهیه روش هایی برای انتخاب ابزارهای اندازه گیری است. برای بهترین ابزار مثلا در یک مرور سیستماتیک ویژگی های اندازه گیری، گام های مختلفی باید برداشته شود. یکی از این گام ها، ارزیابی کیفیت روش شناسی مطالعات در زمینه ویژگی های اندازه گیری است. سیاهه COSMIN یکی از این روش هاست. گام بعدی، ارزیابی کیفیت ابزار اندازه گیری است. این سیاهه در یک مطالعه دلفی بین المللی طراحی شده است. هدف این مطالعه عبارت بود از :

1)     به اجماع رسیدن در این زمینه که کدام ویژگی های اندازه گیری در حیطه پیامدهای گزارش شده مرتبط با سلامت باید بررسی شوند و چگونه باید تعریف شوند

2)     برای تدوین استانداردهایی در زمینه این که چگونه این ویژگی های اندازه گیری باید بر حسب طرح مطالعه و تحلیل آماری ارزیابی شود

هدف سوم این مطالعه، رسیدن به اجماع در مورد معیارهایی برای ویژگی های اندازه گیری کافی است. این معیارها باید برای ارزیابی کیفیت ابزار مورد استفاده قرار گیرد. با این وجود، به دلیل کمبود زمان چنین معیارهایی هنوز تدوین نشده اند.

طبقه بندی ویژگی های اندازه گیری توسط COSMIN:

1)     قابلیت اعتماد شامل پایایی، خطای اندازه گیری و انسجام درونی

2)     روایی: روایی سازه، روایی محتوا و روایی ملاکی

3)     پاسخگویی

4)     تفسیر پذیری

جدیدترین سیاهه طرح COSMIN یک فایل 56 صفحه ای مربوط به سال 2018 است که با عبارت COSMIN checklist manual  در گوگل قابل جستجو است.

برای کسب اطلاعات بیشتر به وب سایت زیر مراجعه کنید:

Website: www.cosmin.nl, www.emgo.nl  

در صورت داشتن سوال از طریق ایمیل زیر با طراحان آن مکاتبه کنید:

E‐mail: [e-mail]

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/