Digital Module 16: Longitudinal Data Analysis

In this digital ITEMS module, Dr. Jeffrey Harring and Ms. Tessa Johnson introduce the linear mixed effects (LME) model as a flexible general framework for simultaneously modeling continuous repeated measures data with a scientifically defensible function that adequately summarizes both individual change as well as the average response. The module begins with a nontechnical overview of longitudinal data analyses drawing distinctions with cross-sectional analyses in terms of research questions to be addressed. Nuances of longitudinal designs, timing of measurements, and the real possibility of missing data are then discussed. The three interconnected components of the LME model—(1) a model for individual and mean response profiles, (2) a model to characterize the covariation among the time-specific residuals, and (3) a set of models that summarize the extent that individual coefficients vary—are discussed in the context of the set of activities comprising an analysis. Finally, they demonstrate how to estimate the linear mixed effects model within an open-source environment (R). The digital module contains sample R code, diagnostic quiz questions, hands-on activities in R, curated resources, and a glossary.     

Digital Module 05: Diagnostic Measurement—The G‐DINA Framework https://ncme.elevate.commpartners.com

In this ITEMS module, we introduce the generalized deterministic inputs, noisy “and” gate (G‐DINA) model, which is a general framework for specifying, estimating, and evaluating a wide variety of cognitive diagnosis models. The module contains a nontechnical introduction to diagnostic measurement, an introductory overview of the G‐DINA model, as well as common special cases, and a review of model‐data fit evaluation practices within this framework. We use the flexible GDINA R package, which is available for free within the R environment and provides a user‐friendly graphical interface in addition to the code‐driven layer. The digital module also contains videos of worked examples, solutions to data activity questions, curated resources, a glossary, and quizzes with diagnostic feedback.     

物理模型与股票投资

股票投资的方法很多，建立物理模型进行投资是一种简明有效的方法，使用金字塔模型和平衡理论对股票进行操作，能把握最佳投资机会。     

菊三七对运动性骨折治疗作用的研究

笔者应用X线观察、生物力学测定、生物化学测定及病理检查等方法相结合 ,对中医“跌打损伤”治疗中药菊三七的水提物进行了抗实验性骨折作用的研究 ,结果表明 :菊三七水提物具有较好的促进骨折愈合作用 ,其作用机制与其加速骨的钙、磷代谢有关。     

沈阳市青少年射击运动员认知调控能力的实验研究

运用心理测量法、个案分析法、实验法等研究方法 ,对沈阳市青少年射击运动员的认知调控能力 (即 :情绪调节能力、动机归因水平 )进行 41周的实验研究。研究结果表明 ,通过心理训练 ,运动员的认知调控能力有了一定的提高。     

<体育与健康课程标准>实施进程研究

经过反复的调查和对文献资料的分析，初步提出：体育与健康课程模式的多元化，是新“课标”由目标理念向操作化进程的有效途径。课程模式多元化，要以单元为基础，构建模块组合；以新“课标”为母体，构建子项模式；以新“课标”为依据，完善结构体系；以模式为中介，超越课程模式。     

普通高校网球选项课自主——合作教学模式实验研究

对普通高校网球课自主—合作教学模式进行了实验研究。研究结果如下:1)自主—合作教学模式与传统教学模式相比更有利于学生技能水平的提高;2)自主—合作教学模式在教学过程中发挥了学生的学习自主性,适应学生的个体差异,促进了学生之间的交往和社会性的提高,提高了体育教学质量;3)自主—合作教学模式提高了学生的学习兴趣,让学生充分的享受了运动的乐趣和积极的情感体验,促进了学生终身体育思想的形成。     

运动动觉表象训练对提高射箭比赛成绩的实验研究

运动动觉表象训练是指练习者有意识地在头脑中通过表象呈现出各种动作,从而唤起各类感觉的训练方法。通过运动动觉表象训练在射箭比赛中的应用研究,我们认为可以起到调节运动员比赛时的心率,稳定情绪的作用,尤其对过度紧张、信心不足的运动员,具有良好的调节作用。     

动作小组合教学法在体育舞蹈教学中的实验研究

运用调查、实验等方法，经过研究表明，在体育舞蹈成套动作的教学中，运用动作小组合教学法比传统的教学方法效果更加突出，便于学生记忆、掌握动作、提高完成动作的熟练程度。小组合教学法具有明显的高效性和适用性，适于在体育舞蹈教学中推广及应用。