Search the repository

A+ | A- | | SLO | ENG

Abstract: Ta priročnik je prevod priročnika RALSA: User Guide (v angl.), ki je dostopen na povezavi: https://ralsa.ineri.org/user-guide/. Nastanku orodja/platforme RALSA (The R Analyzer for Large-Scale Assessments) je botrovalo to, da je dr. Plamen Vladkov Mirazchiyski iskal bolj dostopne in celovite rešitve za analizo podatkov mednarodnih primerjalnih raziskav in študij na področju vzgoje in izobraževanja - zaradi kompleksnosti in dizajna vzorčenja teh raziskav, pa tudi zaradi določenih razlik pri omenjeni kompleksnosti teh raziskav. RALSA je tako orodje za analizo podatkov, ki jih zberemo v okviru mednarodnih primerjalnih raziskav in študij na področju vzgoje in izobraževanja. Zasnova teh raziskav je kompleksna, tako v smislu vzorčenja, kot v smislu zasnove kognitivnih instrumentov, ki merijo znanja na številnih področjih. Sodelujejo pa ne le učenci oz. dijaki, temveč tudi njihovi učitelji, ravnatelji šol, v nekaterih primerih tudi starši, pa tudi IKT koordinatorji na šolah. Zaradi vsega naštetega klasični programi za statistično izračunavanje niso ustrezni, ker moramo tudi pri analizah upoštevati vse te specifike. Še več, obstajajo tudi določene razlike med posameznimi mednarodnimi primerjalnimi raziskavami in študijami (tako pri zasnovi kognitivnih instrumentov in izračunih na tej podlagi, kot pri samem vzorčenju). Prav zato ni na voljo ene rešitve, ki bi bila ustrezna za vsako od teh specifik. RALSA pa vse navedeno upošteva že avtomatično.
Keywords: pedagogika, vzgoja, pedagoško raziskovanje, statistične metode, mednarodne raziskave, analiza podatkov
Published in DiRROS: 08.07.2025; Views: 506; Downloads: 263
Full text (4,80 MB)
This document has many files! More...

Abstract: V prispevku na primeru jelke predstavljamo sedem regresijskih modelov za modeliranje priraščanja dreves s podatki periodičnih meritev na stalnih vzorčnih ploskvah. Poleg polinomske regresije, modela z dodanim šumom in mešanega linearnega modela, predstavljamo regresijo z naravnimi zlepki in tri modele z omejenimi odvisnimi spremenljivkami: truncated regression, tobit regression in grouped data regression. Modele lahko uporabimo, kadar se zaradi načina merjenja in zaokroževanja podatkov ter hierarhičnosti podatkov srečamo z rezanimi ali krnjenimi slučajnostnimi spremenljivkami, nezveznostjo odvisne spremenljivke in pristransko oceno prirastka. Pri pojasnitvi debelinskega priraščanja 21.013 jelk na 4.405 ploskvah v obdobju 1990–2014 v raznomernih gozdovih v dinarskih jelovo-bukovjih so vsi modeli pokazali podoben vpliv prsnega premera, sestojne temeljnice, temeljnice debelejših dreves, raznomernosti, nagiba, nadmorske višine in le manjše razlike v regresijskih koeficientih in merah prileganja. Največje povprečne napovedi prirastka daje tobit model, mešani model pa se najbolj prilega podatkom. V primerjavi z drugimi modeli model z zlepki kaže na počasnejše zmanjševanje prirastka zelo debelih jelk po kulminaciji prirastka.
Keywords: prirastek, multipla regresija, statistične metode, tobit model, krnjenje, mešani modeli, jelka, modeli z omejenimi odvisnimi spremenljivkami, stalne vzorčne ploskve
Published in DiRROS: 01.12.2021; Views: 4786; Downloads: 2634
Full text (2,97 MB)
This document has many files! More...