Décomposition de la Variance dans la compréhension de la lecture pour révéler les effets uniques et communs de la langue et le décodage

Résumé

Nous présentons ici un protocole de décomposition de la variance dans la compréhension de la lecture sur les effets uniques et communs de la langue et le décodage.

Résumé

La Simple vue de lecture est un modèle populaire de lecture qui prétend que la lecture est le produit de décodage et de la langue, chaque composant unique prédire la compréhension en lecture. Bien que les chercheurs ont fait valoir que la somme plutôt que le produit des composants est le meilleur prédicteur, aucun chercheur ne segmentent la variance expliquée à examiner le degré auquel les composants partagent la variance dans la prédiction de lecture. Pour décomposer la variance, nous soustrayons le R² pour le modèle de langue uniquement du modèle complet pour obtenir l’unique R² pour le décodage. Deuxièmement, nous soustrayons le R² pour le modèle de décodage uniquement du modèle complet pour obtenir l’unique R² pour la langue. Troisièmement, pour obtenir la variance commune expliquée par langue et décodage, nous soustrayons la somme de l’unique deux R² R² pour le modèle complet. La méthode est illustrée dans une approche de régression avec les données des étudiants dans les classes 1 (n = 372), 6 (n = 309) et 10 (n = 122) à l’aide d’une mesure observée du langage (vocabulaire réceptif), décodage (lecture mot chronométrée) et la compréhension de texte (test standardisé). Résultats révèlent une quantité relativement grande de variance expliquée en grade 1 de compréhension en lecture par la variance commune dans le décodage et la langue. En 10e année, cependant, c’est l’effet unique de la langue et l’effet commun de la langue et de décodage qui expliquent la majorité de la variance dans la compréhension en lecture. Résultats sont discutés dans le cadre d’une version élargie de la Simple vue de lecture qui tient compte des effets unique et partagé du langage et décodage pour prédire la compréhension en lecture.

Introduction

La Simple vue de lecture¹ (SVR) continue comme un modèle de lecture en raison de sa simplicité-lecture (R) est le produit de décodage (D) et le langage (L)- et parce que le SVR a tendance à expliquer, en moyenne, environ 60 % des a expliqué variance en lecture compréhension². SVR prédit que les corrélations entre D et R diminuera avec le temps et que les corrélations entre L et R augmentera au fil du temps. Les études confirment généralement cette prédiction^3,4,5. Il existe cependant des désaccords, sur la forme fonctionnelle de....

Protocole

Remarque : Les étapes suivantes décrivent la variance totale en décomposition dans une variable dépendante (Y) en composantes de variance unique, variance communeet variance inexpliquée basés sur deux variables indépendantes choisies (appelés et pour cet exemple) en utilisant le logiciel avec une interface utilisateur graphique et logiciel de gestion de données (voir la Table des matières).

Résultats

L’objectif de cette étude était d’enquêter sur les contributions de variance unique et commune de langue (L) et décodage (D) pour prédire la compréhension (R) de grade 1, 7 et 10 en Floride, un Etat dont la démographie sont représentatifs de la nation comme un ensemble. Il y a deux hypothèses concernant les prévisions de la variance expliquée dans la compréhension en lecture. Tout d’abord, après l’école primaire, la contribution unique de D diminuera considérablement, et augmentera la con.......

Discussion

Il y a trois étapes essentielles dans le protocole de décomposition de la variance dans R en variance unique et commune en raison de L et D. Tout d’abord, soustraire le R² dans le modèle L uniquement du modèle complet pour obtenir l’unique R² pour D. En second lieu, soustraire le R² pour le modèle D uniquement du modèle complet pour obtenir l’unique R² pour le troisième L., pour obtenir la variance commune expliquée par L et D, de soustraire la somme de l’unique deux R²

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Logiciel de statistiques IBM SPSS	IBM
Microsoft Office Excel	Microsoft