Name: Descomposición de la varianza en comprensión de lectura para revelar los efectos únicos y común del lenguaje y decodificación (Video) | JoVE Journal
Uploaded: 2018-10-11T15:00:00.000+00:00
Duration: 6 min 33 s
Description: Aprende a descomponer la varianza en comprensión lectora para identificar efectos únicos y comunes del lenguaje y la decodificación. Este método estadístico revela cómo los predictores se solapan en el desarrollo de la lectura.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

La investigación divulgada aquí fue apoyada por el Instituto de Ciencias de la educación, Departamento de educación, a través de una subaward a la Universidad Estatal de Florida de Grant R305F100005 al servicio de prueba educativo como parte de la lectura para la comprensión Iniciativa. Las opiniones expresadas son las de los autores y no representan opiniones del Instituto, el Departamento de Educación de Estados Unidos, el Educational Testing Service o Universidad Estatal de Florida.

Nota: Los siguientes pasos describen descomposición total variación en una variable dependiente (Y) en componentes de varianza única varianza comúny varianza inexplicada basados en dos variables independientes seleccionadas (llamadas <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> y <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> en este ejemplo) utilizando el software de gestión de datos y software con una interfaz gráfica de usuario (véase Tabla de materiales).
1. lectura de datos en el Software con una interfaz gráfica de usuario
<ol><li>Haga clic en archivo.
	<ol>
<li>Coloca el ratón sobre abierto.
</li>
		<li>Haga clic en datos.
</li>
	</ol>
</li>
	<li>Busque el archivo de datos en el ordenador.<ol>
<li>Si el tipo de archivo no es compatible con el software con una interfaz gráfica de usuario, haga clic en Archivos de tipo y seleccione formato de archivo adecuado.</li>
	</ol>
</li>
	<li>Haga clic en abierto.
</li>
</ol>2. estimación de la varianza explicada en la Variable dependiente (Y)
<ol><li>
Total varianza explicado basado en dos Variables independientes — Total R2. Nota: Un valor de R2 es conocido como el coeficiente de determinación y representa la proporción de la varianza para una variable dependiente que es explicada por un conjunto de variables independientes.<ol>
<li>Haga clic en analizar y coloca el ratón sobre regresión y seleccione Linear.
</li>
		<li>Haga clic en la variable dependiente en la lista de variables. Haga clic en la flecha situada junto al dependiente.</li>
		<li>Haga clic en las dos variables independientes (X1 y X2) en la lista de variables. Haga clic en la flecha junto a Independent(s).</li>
		<li>Haga clic en Aceptar.</li>
		<li>Haga clic en la ventana del visor del software.<ol>
<li>Usa el ratón para desplazarse a la sección Resumen de modelo. Registre el valor en la columna R cuadrado y este valor Total R2la etiqueta.</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Varianza total explicada basada en<img alt="Equation 3" src="/files/ftp_upload/58557/58557eq3.jpg"><ol>
<li>Repita los pasos 2.1.1 a 2.1.4 utilizando sólo <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> en la lista de variable independiente.</li>
		<li>Haga clic en la ventana del visor del software.<ol>
<li>Usa el ratón para desplazarse a la sección Resumen de modelo. Registre el valor en la columna R cuadrado y este valor de la etiqueta <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> R2.</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Varianza total explicada basada en<img alt="Equation 4" src="/files/ftp_upload/58557/58557eq4.jpg"><ol>
<li>Repita los pasos 2.1.1 a 2.1.4 utilizando sólo <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> en la lista de variable independiente.</li>
		<li>Haga clic en la ventana del visor del software.<ol>
<li>Usa el ratón para desplazarse a la sección Resumen de modelo. Registre el valor en la columna R cuadrado y este valor de la etiqueta <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> R2.</li>
		</ol>
</li>
	</ol>
</li>
</ol>3. cálculo de los componentes de varianza única, común e inexplicable
<ol><li>Abra el software de gestión de datos.</li>
	<li>Introduzca las etiquetas Total R2, <img alt="Equation 3" src="/files/ftp_upload/58557/58557eq3.jpg"> R2, y <img alt="Equation 4" src="/files/ftp_upload/58557/58557eq4.jpg"> R2 en las células A1, B1 y C1, respectivamente.</li>
	<li>Introduzca el valor de2 Total Rdesde el paso 2.1.5.1 en la celda A2.</li>
	<li>Entrar en la <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> R2 valor del paso 2.2.2.1 en celda B2.</li>
	<li>Entrar en la <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> R2 valor del paso 2.3.2.1 en la celda C2.</li>
	<li>Calcular la varianza única de 1 Variable (U<img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg">R2) en el software de gestión de datos.<ol>
<li>En la celda D2 tipo: "= A2-C2" (es decir, Total R2 menos <img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg"> R2). En la celda D1 de la etiqueta este valor U<img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg">R2.</li>
	</ol>
</li>
	<li>Calcular la varianza única de 2 variables (U<img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg">R2) en el software de gestión de datos.<ol>
<li>En la celda E2 tipo: "= A2-B2" (es decir, Total R2 menos <img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg"> R2). En la celda E1 la etiqueta este valor U<img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg">R2.</li>
	</ol>
</li>
	<li>Calcular la varianza común entre las Variables 1 y 2 (C<img alt="Equation 5" src="/files/ftp_upload/58557/58557eq5.jpg">R2) en el software de gestión de datos.<ol>
<li>En la celda F2 tipo: "= A2-D2-E2" (es decir, Total R2 menos U<img alt="Equation 1" src="/files/ftp_upload/58557/58557eq1.jpg">R2 menos U<img alt="Equation 2" src="/files/ftp_upload/58557/58557eq2.jpg">R2). En la celda F1 etiqueta este valor C<img alt="Equation 5" src="/files/ftp_upload/58557/58557eq5.jpg">R2.</li>
	</ol>
</li>
	<li>Calcular la varianza inexplicada (e) en el software de gestión de datos.<ol>
<li>En la celda G2 tipo: «= 1-A2» (es decir, Total 1 R2). En la celda G1 etiqueta este valor e.
</li>
	</ol>
</li>
</ol>4. trazar la UX1R2, UX2R2, CX1X2R2y e valores
Nota: Los valores de las celdas D2, E2, F2 y G2 se trazan.
<ol><li>Haga clic y arrastre el ratón sobre celdas D2, E2, F2 y G2 para resaltar los datos.</li>
	<li>Haga clic en Insertar en la cinta de opciones del software de administración de datos.</li>
	<li>Haga clic en cartas | Gráfico | gráfico 2-D.
</li>
</ol>

<ol><li>Gough, P., Tunmer, W. <a target="_blank" href="http://journals.sagepub.com/doi/abs/10.1177/074193258600700104">Decoding, reading, and reading disability.</a> Remedial and Special Education. 7, 6-10 (1986).</li>
<li>Quinn, J. M., Wagner, R. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+meta-analytic+structural+equation+modeling+to+study+developmental+change+in+relations+between+language+and+literacy%5BTitle%5D)+AND+%22Child+Development%22%5BJournal%5D)">Using meta-analytic structural equation modeling to study developmental change in relations between language and literacy.</a> Child Development. , in press (2018).</li>
<li>Chen, R. S., Vellutino, F. <a target="_blank" href="http://journals.sagepub.com/doi/pdf/10.1080/10862969709547947">Prediction of reading ability: A cross-validation study of the simple view of reading.</a> Journal of Literacy Research. 29 (1), 1-24 (1997).</li>
<li>Catts, H., Hogan, T., Adlof, S. Developmental changes in reading and reading disabilities. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCatts%2C+H+%22Connections+between+language+and+reading+disabilities%22">Connections between language and reading disabilities</a>. Catts, H., Kamhi, A. , Erlbaum. Mahwah, NJ. (2005).</li>
<li>Gough, P., Hoover, W., Peterson, C. Some observations on the simple view of reading. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aGough%2C+P+%22Reading+comprehension+difficulties%22">Reading comprehension difficulties</a>. Cornoldi, C., Oakhill, J. , Erlbaum. Hillsdale, NH. (1996).</li>
<li>Dreyer, L., Katz, L. <a target="_blank" href="https://files.eric.ed.gov/fulltext/ED359575.pdf#page=171">An examination of "The Simple View of Reading.".</a> Haskins Laboratories Status Report on Speech Research. SR-111/112. , 161-166 (1992).</li>
<li>Neuhaus, G., Roldan, L., Boulware-Gooden, R., Swank, P. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/02702710500468724">Parsimonious reading models: Identifying teachable subskills.</a> Reading Psychology. 27, 37-58 (2006).</li>
<li>Kershaw, S., Schatschneider, C. <a target="_blank" href="https://link.springer.com/article/10.1007/s11145-010-9278-3">A latent variable approach to the simple view of reading.</a> Reading and Writing. 25, 433-464 (2012).</li>
<li>Hoover, W., Gough, P. <a target="_blank" href="https://link.springer.com/article/10.1007/BF00401799">The simple view of reading.</a> Reading and Writing. 2, 127-160 (1990).</li>
<li>Adlof, S., Catts, H., Little, T. <a target="_blank" href="https://link.springer.com/article/10.1007/s11145-006-9024-z">Should the simple view of reading include a fluency component?</a> Reading & Writing. 19, 933-958 (2006).</li>
<li>Anthony, J., Davis, C., Williams, J., Anthony, T. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S1041608014001423">Preschoolers' oral language abilities: A multilevel examination of dimensionality.</a> Learning and Individual Differences. 35, 56-61 (2014).</li>
<li>Bornstein, M., Hahn, C., Putnick, D., Suwalsky, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Stability+of+core+language+skill+from+early+childhood+to+adolescence%3A+A+latent+variable+approach%5BTitle%5D)+AND+%22Child+Development%22%5BJournal%5D)">Stability of core language skill from early childhood to adolescence: A latent variable approach.</a> Child Development. 85, 1346-1356 (2014).</li>
<li>Protopapas, A., Simos, P., Sideridis, G., Mouzaki, A. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/02702711.2010.507626">The components of the simple view of reading: A confirmatory factor analysis.</a> Reading Psychology. 33, 217-240 (2012).</li>
<li>Tomblin, J. B., Zhang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+dimensionality+of+language+ability+in+school-age+children%5BTitle%5D)+AND+%22Journal+of+Speech%2C+Language%2C+and+Hearing+Research%22%5BJournal%5D)">The dimensionality of language ability in school-age children.</a> Journal of Speech, Language, and Hearing Research. 49, 1193-1208 (2006).</li>
<li>Foorman, B., Herrera, S., Petscher, Y., Mitchell, A., Truckenmiller, A. <a target="_blank" href="https://link.springer.com/article/10.1007/s11145-015-9544-5">The Structure of Oral Language and Reading and Their Relation to Comprehension in grades kindergarten through grade 2.</a> Reading and Writing. 28 (5), 655-681 (2015).</li>
<li>Foorman, B., Koon, S., Petscher, Y., Mitchell, A., Truckenmiller, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Examining+General+and+Specific+Factors+in+the+Dimensionality+of+Oral+Language+and+Reading+in+4th-10th+Grades%5BTitle%5D)+AND+%22Journal+of+Educational+Psychology%22%5BJournal%5D)">Examining General and Specific Factors in the Dimensionality of Oral Language and Reading in 4th-10th Grades.</a> Journal of Educational Psychology. 107 (3), 884-899 (2015).</li>
<li>Kieffer, M., Petscher, Y., Proctor, C. P., Silverman, R. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/10888438.2016.1214591">Is the whole greater than the sum of its parts? Modeling the contributions of language comprehension skills to reading comprehension in the upper elementary grades.</a> Scientific Studies of Reading. 20 (6), 436-454 (2016).</li>
<li>Kim, Y. S. G., Park, C., Park, Y. <a target="_blank" href="https://link.springer.com/article/10.1007/s11145-015-9542-7">Dimensions of discourse level oral language skills and their relation to reading comprehension and written composition: an exploratory study.</a> Reading and Writing. 28, 633-654 (2015).</li>
<li>Foorman, B., Petscher, Y., Herrera, S. <a target="_blank" href="https://www.sciencedirect.com/science/article/pii/S1041608018300414">Unique and common effects of decoding and language factors in predicting reading comprehension in grades 1-10.</a> Learning and Individual Differences. 63, 12-23 (2018).</li>
<li>Perfetti, C. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/10888430701530730">Reading ability: Lexical quality to comprehension.</a> Scientific Studies of Reading. 11 (4), 357-383 (2007).</li>
<li>Perfetti, C., Stafura, J. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/10888438.2013.827687">Word knowledge in a theory of reading comprehension.</a> Scientific Studies of Reading. 18 (4), 22-37 (2014).</li>
<li>Torgesen, J., Wagner, R., Rashotte, C. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aTorgesen%2C+J+%22Test+of+Word+Reading+Efficiency%22">Test of Word Reading Efficiency</a>. , 2nd ed, ProEd. Austin, TX. (2012).</li>
<li>Dunn, L., Dunn, D. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aDunn%2C+L+%22Peabody+Picture+Vocabulary+Test-4%22">Peabody Picture Vocabulary Test-4</a>. , Pearson. San Antonio, TX. (2007).</li>
<li>MacGinitie, W., MacGinitie, R., Maria, K., Dreyer, L. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMacGinitie%2C+W+%22Gates-MacGinitie+Reading+Tests%22">Gates-MacGinitie Reading Tests</a>. , 4th ed, Riverside Publishing. Rolling Meadows, IL. (2000).</li>
<li>Wanzek, J., Wexler, J., Vaughn, S., Ciullo, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reading+interventions+for+struggling+readers+in+the+upper+elementary+grades%3A+a+synthesis+of+20+years+of+research%5BTitle%5D)+AND+%22Reading+%26+Writing%22%5BJournal%5D)">Reading interventions for struggling readers in the upper elementary grades: a synthesis of 20 years of research.</a> Reading & Writing. 23, 889-912 (2010).</li>
<li>Foorman, B., Petscher, Y., Stanley, C., Herrera, S. <a target="_blank" href="https://www.tandfonline.com/doi/abs/10.1080/19345747.2016.1237597">Latent profiles of reading and language and their association with standardized reading outcomes in kindergarten through tenth grade.</a> Journal of Research on Educational Effectiveness. 10 (3), 619-645 (2017).</li>
<li>Lesaux, N. K., Kieffer, M. J., Kelley, J. G., Harris, J. <a target="_blank" href="http://journals.sagepub.com/doi/abs/10.3102/0002831214532165">Effects of academic vocabulary instruction for linguistically diverse adolescents: Evidence from a randomized field trial.</a> American Educational Research Journal. 51 (6), 1159-1194 (2014).</li>
<li>Lawrence, J., Crosson, A., Paré-Blagoev, E., Snow, C. <a target="_blank" href="http://journals.sagepub.com/doi/abs/10.3102/0002831215579485">Word generation randomized trial: Discussion mediates the impact of program treatment on academic word learning.</a> American Educational Research Journal. 52 (4), 750-786 (2015).</li>
</ol>

Los autores declaran que no tienen intereses financieros que compiten.

Hay tres pasos importantes en el protocolo para la descomposición de la varianza de R en una única y común varianza debido a L y D. En primer lugar, restar R2 en el modelo sólo L del modelo completo para obtener la única R2 d. En segundo lugar, restar R2 para el modelo D-sólo el modelo completo para obtener la única R2 para tercero de L., para obtener la varianza común explicada por L y D, reste la suma de los dos único R2 R2 para el modelo completo.
<...

La Simple vista de la lectura1 (SVR) continúa como un modelo popular de lectura debido a su sencillez-lectura (R) es el producto de la decodificación (D) y lenguaje (L)- y porque SVR tiende a explicar, en promedio, aproximadamente el 60% de la varianza en la lectura comprensión2. SVR predice que las correlaciones entre D y R se reducirán con el tiempo y que las correlaciones entre L y R aumentará con el tiempo. Los estudios generalmente apoyan esta predicción3,4,5. Sin embargo, existen desacuerdos sobre la forma funcional de SVR, con modelos aditivos (D + L = R) explican más varianza en la lectura de comprensión que los modelos de producto (D × L = R)6,7,8y un combinación de suma y producto [R = D + L + (D × L) explicando la mayor cantidad de varianza en la lectura de comprensión3,9.
Recientemente el modelo SVR ha ampliado más allá de regresiones basados en variables observadas modelado variable latente mediante el análisis confirmatorio de la fábrica y modelado de ecuaciones estructurales. D generalmente se mide con tiempo o sin límite de tiempo lectura de palabras reales o nonwords y R se mide generalmente por una prueba de lectura estandarizada que incluye alfabetización y pasajes informativos seguidos por preguntas de opción múltiple. L por lo general se mide por pruebas de vocabulario expresivo y receptivo y, sobre todo en los grados de primaria, por medidas de sintaxis receptiva y expresiva y comprensión. Más estudios longitudinales reportan que L es unidimensional10,11,12,13. Sin embargo, otro estudio longitudinal14 informa de una estructura de dos factores para L en los grados de primaria y una estructura unidimensional en los grados 4 y 8. Estudios transversales recientes informan que un modelo bifactor mejor ajusta a los datos y predice R15,16,17,18. Por ejemplo, Foorman et al. 16 en comparación con modelos bifactor de SVR en datos de los estudiantes en grados 4-10, tres factores, cuatro factores y unidimensional y encontró que un modelo bifactor mejor y explicado 72 al 99% de la varianza de R. Un factor general de L explica varianza en todos los siete grados y vocabulario y sintaxis única explica varianza sólo en un grado. Aunque el factor D se correlacionó moderadamente con L y R en todos los grados (0.40-0.60 y 0.47 0.74, respectivamente), no fue únicamente correlacionado con R en presencia del factor general de L.
Aunque la modelo variable latente es SVR ampliado por arrojar luz sobre la dimensionalidad de la L y el único papel que juega la L en la predicción de R más allá de los grados de primaria, no hay estudios de SVR excepto uno por Foorman et al. 19 han repartido la varianza en la lectura de comprensión en lo que se debe únicamente a D y L y lo que se comparte en común. Esto es una gran omisión en la literatura. Expresiones es lógico que D y L comparten varianza en la predicción de lengua escrita porque conlleva de reconocimiento de palabra las habilidades lingüísticas de fonología, semántica y discurso en la oración y el texto nivel20. Del mismo modo, comprensión lingüística debe conectarse a representaciones ortográficas de fonemas, morfemas, palabras, oraciones y discurso, si el texto debe ser entendido21. Multiplicando D por L no cede el conocimiento compartido por estos componentes. Sólo la descomposición de la varianza en qué es y lo que es compartido por D y L en R predicción revelará el conocimiento integrado crucial para el éxito de las intervenciones educativas.
El único estudio por Foorman et al. 19 que descompone la varianza de la comprensión lectora qué es y qué es compartida en común por D y L emplea una variable latente enfoque de modelado. El siguiente protocolo demuestra la técnica con los datos de los estudiantes en los grados 1, 7 y 10 basado en solo observada variables de D (tiempo descifrar), L (vocabulario receptivo) y R (estandardizado prueba de comprensión de lectura) para hacer el proceso de descomposición fácil de entender. Los datos representan un subconjunto de los datos de Foorman et al. 19.

<table><tbody><tr><td>IBM SPSS Statistics Software</td><td>IBM</td><td></td><td></td></tr><tr><td>Microsoft Office Excel</td><td>Microsoft</td><td></td><td></td></tr></tbody></table>

descomposición de la varianza en comprensión de lectura para revelar los efectos únicos y común del lenguaje y decodificación

Decomposing the Variance in Reading Comprehension to Reveal the Unique and Common Effects of Language and Decoding

La Simple vista de la lectura es un modelo popular de la lectura que dice que la lectura es el producto de la descodificación y la lengua, con cada componente única predicción de comprensión de lectura. Aunque los investigadores han discutido si la suma más que el producto de los componentes es el mejor predictor, no investigadores han repartido la varianza explicada para examinar el grado en que los componentes comparten varianza en la predicción de lectura. Para descomponer la varianza, después restamos R2 para el modelo sólo lenguaje del modelo completo para obtener la única R2 para la descodificación. En segundo lugar, después restamos R2 para el modelo sólo descifrar el modelo completo para obtener la única R2 idiomas. En tercer lugar obtener la varianza común explicada por lenguaje y decodificación, restamos la suma de los dos único R2 R2 para el modelo completo. El método se demuestra en un enfoque de regresión con datos de los estudiantes en los grados 1 (n = 372), 6 (n = 309) y 10 (n = 122) utilizando una medida observada de la lengua (vocabulario receptivo), decodificación (lectura de la palabra tiempo) y lectora (test estandarizado). Los resultados revelan una cantidad relativamente grande de varianza en la lectura de comprensión en grado 1 por la variación común en la lengua y descifrar. Por el grado 10, sin embargo, es el único efecto del lenguaje y el efecto común del lenguaje y decodificación que explica la mayoría de la varianza en comprensión de lectura. Los resultados se discuten en el contexto de una versión ampliada de la Simple visión de lectura que considera efectos única y compartida de la lengua y descifrar en la predicción de comprensión de lectura.

El objetivo de este estudio fue investigar las contribuciones de varianza única y común de lenguaje (L) y (D) el descifrar de predicción lectora (R) en los grados 1, 7 y 10 en Florida, un Estado cuya Demografía son representativas de la nación como un conjunto. Había dos hipótesis con respecto a las predicciones de la varianza explicada en la comprensión lectora. En primer lugar, después de los grados de primaria, disminuirá significativamente la contribución única de D, y aumentará la co...

Aquí presentamos un protocolo para la descomposición de la varianza en comprensión de lectura sobre los efectos del lenguaje y decodificación únicos y común.

Descomposición de la varianza en comprensión de lectura para revelar los efectos únicos y común del lenguaje y decodificación

The Simple View of Reading is a popular model of reading that claims that reading is the product of decoding and language, with each component uniquely ...

Este método puede ayudar a responder preguntas clave en el campo de las ciencias sociales sobre la psicología de la lectura y el desarrollo del lenguaje. Esta técnica ilustra cómo las características de diferencia individuales coexisten y cómo un efecto único puede cubo en comparación con un efecto compartido con otras características. Las implicaciones de esta técnica se extienden a las ciencias sociales en términos más generales.Como permite tener en cuenta la similitud de los predictores que nos ayudan a entender la varianza superpuesta. Para leer los datos en el software con una interfaz gráfica de usuario, haga clic en el archivo y coloque el ratón sobre abrir. Haga clic en datos y localice el archivo de datos relevante en el equipo.Si el tipo de archivo no es coherente con el software con una interfaz gráfica de usuario, haga clic en archivos de tipo y seleccione el formato de archivo adecuado. A continuación, haga clic en Abrir. Para explicar la varianza total basada en dos variables independientes, haga clic en analizar y coloque el ratón sobre la regresión para seleccionar lineal.Haga clic en la variable dependiente en la lista de variables, seguida de la flecha situada junto a dependent. Haga clic en las dos variables independientes en la lista de variables y haga clic en la flecha junto a la independencia. Haga clic en Aceptar y haga clic en la ventana del visor del software.Utilice el ratón para desplazarse a la sección de resumen del modelo y registrar el valor en el cuadrado R. A continuación, etiquete este valor total R al cuadrado. Para explicar la varianza total basada en una variable independiente, repita la explicación de varianza total con la variable independiente solo en la lista de variables independientes y haga clic en la ventana del visor del software.A continuación, utilice el ratón para desplazarse a la sección de resumen del modelo, registre el valor debajo de la columna cuadrada R y etiquete este valor variable independiente una R al cuadrado. Para explicar la varianza total basada en la variable independiente dos, repita la explicación de varianza total con la variable independiente dos sólo en la lista de variables independientes y haga clic en la ventana del visor del software. A continuación, utilice el ratón para desplazarse a la sección de resumen del modelo, registre el valor debajo de la columna cuadrada R y etiquete este valor variable independiente dos R al cuadrado.Para calcular los componentes de varianza únicos, comunes e inexplicables, abra el software de administración de datos e introduzca la variable independiente total R cuadrada, una R al cuadrado y la variable independiente dos R al cuadrado en las celdas A1, B1 y C1 respetuosamente. Introduzca el valor total de R al cuadrado en A2. La variable independiente un valor R al cuadrado en B2, y la variable independiente dos valor R al cuadrado en C2. Para calcular la varianza única de la variable uno, introduzca la fórmula en D2 y etiquete este valor como varianza única de la variable uno en D1. Para calcular la varianza única de la variable dos, introduzca la fórmula en E2 y etiquete el valor como varianza única de la variable dos en E1. Para calcular la varianza común entre las variables uno y dos, ingrese la fórmula en F2 y etiquete este valor como varios comunes entre las variables uno y dos en F1. Para calcular la varianza inexplicable, introduzca la fórmula en G2 y etiquete este valor de varianza inexplicable en G1. Para trazar la varianza única de la variable uno, la varianza única de la variable dos, la varianza común entre las variables uno y dos, y la varianza inexplicable, haga clic y arrastre las celdas del ratón sobre D2, E2, F2 y G2 para resaltar los datos, y haga clic en insertar, luego haga clic en gráficos, gráfico circular y gráfico circular 2D. En este estudio representativo de las varianzas únicas y comunes del lenguaje y la decodificación para predecir la comprensión de la lectura, el análisis de regresión para los estudiantes de primer grado representó el 60% de la varianza total en la comprensión de la lectura.Cuando la varianza en el primer grado se descompuso en efectos únicos y comunes, la decodificación explicaba de manera única el 24% de la varianza en la comprensión de la lectura, y el lenguaje explicaba de manera única el 17% de la varianza. La varianza común de la decodificación y el lenguaje fue del 19%En el séptimo grado, el análisis de regresión representó el 53% de la varianza total en la comprensión de la lectura. Con la decodificación explicada de forma única por el 7% de la varianza en la comprensión de la lectura, y el lenguaje explicó el 28% de la varianza.La varianza común de la decodificación y el lenguaje al explicar la varianza en la comprensión de la lectura fue del 18%En el grado 10, el análisis de regresión representó el 61% de la varianza total en la comprensión de la lectura. Con la decodificación única que representa un 6% de la varianza, y el idioma representa de forma única el 42% de la varianza. La varianza común de la decodificación y el lenguaje al explicar la varianza en la comprensión de la lectura fue del 13%Al intentar este procedimiento, es importante recordar que el proceso de descomposición difiere de los enfoques de regresión típicos de calcular por separado la varianza única que cada variable independiente explica.Este protocolo se puede modificar para responder preguntas adicionales sobre si las proporciones de varianzas únicas y comunes difieren según el estatus socioeconómico. Además, las variables observables se pueden reemplazar con variables latentes para reducir el error de medición. La cantidad de varianza común que la decodificación y el lenguaje juntos explican en la predicción de la comprensión de la lectura, especialmente en los grados elementales sugieren que la instrucción debe centrarse en la integración del conocimiento linguístico a nivel de palabra.

decomposing-variance-reading-comprehension-to-reveal-unique-common

Research

Investigación

JoVE Journal

Behavior

Comportamiento

El presente artículo revisa una metodología de seguimiento de ojo para estudios sobre la comprensión del lenguaje. Para obtener datos confiables, se deben seguir pasos claves del protocolo. Entre ellos están el montaje correcto del perseguidor del ojo (por ejemplo, garantizar la buena calidad de las imágenes de la cara y cabeza) y calibración de precisión.

Eye Tracking durante la comprensión del lenguaje visual situado: Flexibilidad y las limitaciones de descubrir efectos de contexto Visual

El método fue diseñado para investigar el papel de la inhibición de retorno (IOR) en movimientos oculares regresivos durante la lectura. El foco está en diferenciar las regresiones que se desencadena como resultado de la comprensión dificultad versus los activa de error oculomotor, incluyendo el papel de la IOR en los dos tipos de regresiones.

Eye-tracking para distinguir movimientos oculares regresivos comprensión y Oculomotor durante la lectura

Presentamos un protocolo para examinar el uso de señales morfológicas durante la comprensión de la oración en tiempo real por los niños con autismo.

Utilizando el paradigma de mundo Visual para el estudio de comprensión de la frase en mandarín-los niños con autismo

Aquí, presentamos un protocolo que emplea tareas de interferencia dual-modal para examinar el procesamiento en línea de las frases de cláusula relativa habladas y chinas. Se describen dos experimentos ejemplares que implican el procesamiento auditivo con interferencias intra y extrasententiales. El paradigma proporciona una metodología para abordar la naturaleza de la memoria funcional y sus efectos en el procesamiento de oraciones.

Examen del procesamiento sintáctico en línea de frases complejas habladas en chino mediante tareas de interferencia dual-modal

Este artículo describe cómo implementar un simple experimento de decisión léxica para evaluar el reconocimiento de palabras escritas en participantes neurológicamente sanos y en individuos con demencia y deterioro cognitivo. También proporcionamos una descripción detallada del análisis del tiempo de reacción utilizando el análisis de componentes principales (PCA) y el modelado de efectos mixtos.

Tarea de decisión léxica para el estudio del reconocimiento de palabras escritas en adultos con y sin demencia o deterioro cognitivo leve

Este artículo demuestra el uso del método estándar de oro en la genética conductual, el método de descomposición Cholesky, para estimar influencias genéticas y ambientales únicas y superpuestas en diferentes variables para responder a investigaciones motivadas longitudinalmente Preguntas.

Uso de la descomposición de Cholesky para explorar las diferencias individuales en las relaciones longitudinales entre las habilidades de lectura

Esta investigación establece un protocolo propuesto para la identificación de la dislexia. El protocolo se basa en el diagnóstico y la respuesta a los modelos de intervención. La propuesta consiste en el uso de entrevistas estructuradas y pruebas estandarizadas para la evaluación del rendimiento de lectura y escritura y factores determinantes.

Evaluación de la dislexia a los seis años de edad

Aquí se presenta un protocolo que introduce un conjunto de tareas de aprendizaje estadístico amigables con los niños orientadas a examinar el aprendizaje de los niños de patrones estadísticos temporales en todos los dominios y modalidades sensoriales. Las tareas desarrolladas recopilan datos de comportamiento utilizando la plataforma basada en la web y datos de imágenes de resonancia magnética funcional (fMRI) basadas en tareas para examinar la interacción neuronal durante el aprendizaje...

Medición del aprendizaje estadístico a través de modalidades y dominios en niños en edad escolar a través de una plataforma en línea y técnicas de neuroimagen

La Batería Multimedia para la Evaluación de las Habilidades de Dominio General y Dominio Específico en Lectura es una batería multimedia fiable y válida diseñada para evaluar las habilidades cognitivas y básicas de lectura. Permite generar un perfil cognitivo y de rendimiento lector completo, que es particularmente beneficioso para los niños con dislexia.

Avance de la evaluación de la dislexia en niños a través de pruebas computarizadas

El presente artículo describe cómo utilizar metodologías de seguimiento ocular para estudiar los procesos cognitivos involucrados en la comprensión de texto. Se incluyen descripciones de los equipos de seguimiento ocular, cómo desarrollar estímulos experimentales y recomendaciones de procedimientos. La información presentada se puede aplicar a la mayoría de cualquier estudio utilizando estímulos verbales.

Uso de movimientos oculares para evaluar los procesos cognitivos involucrados en la comprensión de texto

Aprende a descomponer la varianza en comprensión lectora para identificar efectos únicos y comunes del lenguaje y la decodificación. Este método estadístico revela cómo los predictores se solapan en el desarrollo de la lectura.

Descomposición de la varianza en comprensión de lectura para revelar los efectos únicos y común del lenguaje y decodificación

Explorar más videos