《表2 学习适应潜在剖面模型拟合指标》

《表2 学习适应潜在剖面模型拟合指标》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《信息化教学环境下学生学习适应与心理健康的关系——基于潜在剖面分析》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录
注:AIC(艾凯克信息准则);BIC(贝叶斯信息准则);ABIC(样本校正的贝叶斯信息准则);Entropy(熵指数;平均信息量);LMRT(罗-梦戴尔-鲁本校正似然比)。

以学生在学习适应性问卷五个维度(学习动机、信息获取方式、元认知策略、知识获得、知识拓展)上的得分作为外显变量建立潜在剖面模型,不同类别数目的潜在剖面模型的拟合指数如表2所示。分析发现,随着类别数目的增加,模型的AIC、BIC以及AIBC指数逐渐下降;三个指标的变化幅度以类别数目“4”为分界线,前三种分类模型的指标变化幅度较大,后面三类模型的指标变化幅度则趋于平缓,说明随着模型分类数量的增加,较前一个模型而言,后一个模型的优化程度逐渐减小。此外,所有类别模型的Entropy值均大于0.94,表现出了良好的模型拟合程度,而其中更以2类别至4类别分类数目的模型为优(2类别:0.989;3类别:0.957;4类别:0.979)。从LMRT来看,2类别至5类别四种分类数目的模型,其LMRT均达到了显著水平(ps<0.01)。综合考虑以上各拟合指标,同时参考模型简洁性和实际情况,最终选定4类别模型为我们的潜在剖面分析模型。