学生成长模型-7种模型的数据演算

Question

如题所述

Answer 1

加州大学伯克利博士后Katherine E. Castellano与哈佛教育研究生院的副教授Andrew Ho共同发布了一篇关于“学生成长模型”的实践指南。指南中总结了七种用于描述学生成长的模型，这些模型并非相互排斥，而是根据实际需求选择适合的模型即可。

分析学生成长数据时，我们可以通过七种模型来解读和划分数据变化趋势。首先，介绍七种模型：Gain Score模型、Categorical模型、Residual Gain模型、Projection模型、Student Growth Percentile模型、Multivariate模型。

Gain Score模型关注的是学生两次考试成绩的变化，如从350分提升至375分，增加25分。增分模型要求两次考试采用同一发展标尺，若无，则参照常模或标准分。增分模型提供了一个变化尺度，但不足以描述所有情况。

Categorical模型将分数变化分为“负值/不足”、“低”、“充分”和“高”增长，以提供更细致的描述。

Residual Gain模型考虑了增长的剩余部分，Projection模型预测未来成长趋势，Student Growth Percentile模型量化学生成长在群体中的位置，Multivariate模型则考虑多个变量的影响。

在应用这些模型时，需确保数据满足基本要求，如考虑考试难度、完成等值等。SGP模型是美国常用的学生成长分析方法，用于量化学生在群体中的成长位置。

为深入理解模型应用，特别推荐由模型开发者Dr. Damian Betebenner博士主讲的讲座，讲座将介绍SGP模型的理论与计算方法。聆听讲座有助于理解模型如何将大规模纵向数据分析与教育政策相关工作紧密结合。