• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 2
  • 2
  • Tagged with
  • 2
  • 2
  • 2
  • 2
  • 2
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

類別學習的個別差異分析:以潛在剖面技術為例 / Use of latent profile analysis to identify individual difference phenotypes in categorical learning

鍾德政 Unknown Date (has links)
自1990年開始,有越來越多的研究者開始重視類別學習表現的個別差異,即不同的受試者為何會在相同的分類作業中使用不同的策略。在過去,我們透過知識分化的現象去瞭解人們個別差異的分別,個別差異的分析可以幫助我們瞭解人與人之間的變異性與獨特性,然而,隨著這方面的研究逐漸增多,個別差異因素對於心理歷程的重要性不斷的被放大,但在過去類別學習的研究中對於個別差異的分析仍然一直沒有太深入的探討,主要是因為個別差異的分析結果,充滿了太多的不確定性以及未知可能性。在上述的狀況下,使用過去研究常用的分類方法,如非階層群聚分析中的k-means群聚分析法,必須先設定要分類組別數情狀下,未知可能性的組別可能就會被忽略,甚至被硬性併到其他組別,不但導致整體資料的遺失,嚴重的情況下還會使研究的效果無法突出。 為了避免過去分類時分析方法的缺點,所以本研究使用潛在剖面分析幫助分類學習中知識分化的分組,潛在剖面分析並不像K-Means聚類法與階層式聚類法一開始就要決定組別數目,而是取決於不同的組數數目時誰有最佳的適合度統計量。 相信使用潛在剖面分析可以避免知識分化中未知可能性組別的遺失,此點已在本研究的三個分析中可以得到證實。 本研究分別對於幾種不同類型的類別學習作業進行潛在剖面分析,透過研究中的四個實驗,以期開發出一套適合分析分類策略對於個別差異影響的方法。企圖證明在不同類型的實驗結構下,依然能使用潛在剖面分析來分類,且分類的結果可以找出適當的分組以及發現實驗未預期的組別。並結合結構方程混合模型,進一步去釐清在知識分化現象中,影響分類策略選擇的因子。
2

個別差異領導原則之研究

周淑惠, Zhou, Shu-Hui Unknown Date (has links)
個別差異是普遍存在的現象,因此在日常生活中,吾人無法用同一不變的方法來對待 所有的人,在行政領導上亦是如此。換言之,每一位公務員都是人各有不同的,為期 領導有效,因人而彈性運用領導方術,乃為本文重點所在。 至於本論文內容分理論與實證部份。理論部份有三章,分別介紹個別差異形、個別差 異領導原則以及個別差異領導原則的實際運用。實證部份採問卷調查法,並以電腦處 理收回資料,其目的在研析我國行政機關運用個別差異領導原則的實際情形,檢討並 提出建議,以作為行政機關之參考。綜而觀之,本論文約八萬多字,分五章,祗一冊 。

Page generated in 0.0171 seconds