- ข้อความ
- ประวัติศาสตร์
2.4. THE SECOND CYCLE OF THE INTERV
2.4. THE SECOND CYCLE OF THE INTERVENTION
In the second cycle of the intervention, the strategies from the previous semester were used with some additions. Because students are generally unfamiliar with the hypothetical probabilistic process used in hypothesis testing (Yilmaz, 1996), an example relating to the weather was used to help create this familiarity. In this example (Shaughnessy & Chance, 2005), the proposition was made that "It was hot outside." The students were then told that everyone outside was wearing winter clothes. Because it is unlikely that people would be wearing winter clothes on a hot day, the proposition was considered to be incorrect. This problem was presented in a tabular format that was then used for all future hypothesis testing in the unit (Table 1). The formal terminology of hypothesis testing (null hypothesis, p-value) was not introduced until later in the semester.
There evidence to suggest that learning and understanding of mathematics is improved if students are encouraged to explain their reasoning (Confrey, 1990: 2001; Pugalec, 2001 Therefore the other strategy used in this cycle was to encourage students to write about their understanding of the NHT process, with an emphasis on explaining the meaning of the appropriate p-value for each hypothesis test they were introduced to in the semester. If, for example, it was proposed that the null hypothesis was that the population mean is 200g, and the alternative hypothesis was that the population mean is less than 200g, the p-value would be the probability of obtaining a sample mean with the value observed or lower if the population mean were really 200g.
2.5. THE THIRD CYCLE OF THE INTERVENTION
The third cycle of the intervention included all the teaching and learning strategies from the previous two cycles with two additions. the firs addition was the use of diagrammatic representations of the p-value. This was in line with the work of Brase (2009), Moreno and Duran (2004), and Ozgun-Koca (1998) who suggested that the use of multiple representations can improve students' learning and understanding. The second addition was the introduction of Popper’s (1963) proposition about the nature of science.
An example of a p-value in diagrammatic form is shown in Figure 1.In this diagram, the distribution of the t-statistic is drawn and the value of the test statistic (t=3.6) added. From this diagram, the likelihood of the test statistic or one more extreme, if it came from a distribution centred on t = 0 can be estimated. After the visual judgment is made it can be related to the actual p-value
During this cycle, there were several questions from the students about the way null hypotheses are written. Popper’s work was used to find an explanation of the choice of the null hypothesis the students could understand. Searching for an answer to what distinguishes science from other fields of knowledge, Popper (1963) proposed the criterion of “falsifiability, or refutability, or testability" (p 37). By this criterion, Popper stated that "A theory that is not refutable by any conceivable event is non-scientific (p.36), so that “statements or system of statements, in order to be ranked scientific, must be capable of statements or must be of conflicting with possible, or conceivable observations" (p, 39). This reasoning was introduced to the students with the statement that “all swans are white.” It is not possible to prove this statement true, no matter how many white swans are seen, because there is always the possibility that a swan will be found that is not white. In contrast, it only takes one observation of a non-white swan to disprove this statement. It was pointed out to the students that this reasoning is similar to that used in null hypothesis testing. In NHT, it is also acknowledged that it is not possible to prove the truth of the proposed hypothesis unless the entire population is examined, but it is possible to find evidence against a proposed hypothesis. If the sample obtained is highly unexpected from a population with the proposed parameter, then it is considered that the proposed hypothesis may be incorrect.
2.6. ASSESSING STUDENTS' UNDERSTANDING
To assess students' understanding, the students were given a test at the end of each teaching semester. Two questions from this test were used to assess the students' understanding of p-values:
Question 1: A p-value of 0.98 indicates that the null hypothesis is almost certainly true. Is this statement correct? Give reasons for your answer.
Question 2: In the test of a null hypothesis that a new drug produces the same expected benefit as the standard drug, versus the alternative hypothesis that the new drug produces a higher expected benefit than does the standard drug, a p-value of 0.01 is obtained. Explain what this result means to a patient who has read the result on the web but has no statistical training. Avoid all statistical jargon
An ideal response to Question 1 would indicate that the p-value is the probability of the observed sample statistic or one more extreme if the null hypothesis were true. This p-value indicates that the observed sample statistic is very likely to occur if the proposed population parameter in the null hypothesis was correct but does not prove the truth of the null hypothesis, An ideal response to Question 2 would include a definition of the p-value in this context: If it were true that the new drug has the same expected benefit as the standard drug, then the probability of the new drug yielding results this good or even better would be only 1%
The student responses were coded according to the level of reasoning shown in these responses (Table 2). For question 1, responses that were similar to the ideal response described in the previous paragraph received a code of "3." If the response stated that a high p-value could be obtained if the true situation was "close" to that of the null hypothesis the response received a code of "2." This code was also given to responses that stated that hypothesis tests only find evidence against the null hypotheses but cannot prove them true. A general statement that nothing is ever proved in inferential received a code "1.”
For question 2, a response similar to the ideal described above received a code of “3.” If a standard hypothesis test was carried out without explanation a code of “2” was given. If is was stated that the new drug "works better” without further explanation a code of "1" was given. It was intended that these scores would be used for a Rasch analysis using the Partial Credit Model (Masters, 1982) but the questions did not fall onto a unidimensional scale that a Rasch analysis requires. These scores were used, however, to compare students' results over the period of the study
In the second cycle of the intervention, the strategies from the previous semester were used with some additions. Because students are generally unfamiliar with the hypothetical probabilistic process used in hypothesis testing (Yilmaz, 1996), an example relating to the weather was used to help create this familiarity. In this example (Shaughnessy & Chance, 2005), the proposition was made that "It was hot outside." The students were then told that everyone outside was wearing winter clothes. Because it is unlikely that people would be wearing winter clothes on a hot day, the proposition was considered to be incorrect. This problem was presented in a tabular format that was then used for all future hypothesis testing in the unit (Table 1). The formal terminology of hypothesis testing (null hypothesis, p-value) was not introduced until later in the semester.
There evidence to suggest that learning and understanding of mathematics is improved if students are encouraged to explain their reasoning (Confrey, 1990: 2001; Pugalec, 2001 Therefore the other strategy used in this cycle was to encourage students to write about their understanding of the NHT process, with an emphasis on explaining the meaning of the appropriate p-value for each hypothesis test they were introduced to in the semester. If, for example, it was proposed that the null hypothesis was that the population mean is 200g, and the alternative hypothesis was that the population mean is less than 200g, the p-value would be the probability of obtaining a sample mean with the value observed or lower if the population mean were really 200g.
2.5. THE THIRD CYCLE OF THE INTERVENTION
The third cycle of the intervention included all the teaching and learning strategies from the previous two cycles with two additions. the firs addition was the use of diagrammatic representations of the p-value. This was in line with the work of Brase (2009), Moreno and Duran (2004), and Ozgun-Koca (1998) who suggested that the use of multiple representations can improve students' learning and understanding. The second addition was the introduction of Popper’s (1963) proposition about the nature of science.
An example of a p-value in diagrammatic form is shown in Figure 1.In this diagram, the distribution of the t-statistic is drawn and the value of the test statistic (t=3.6) added. From this diagram, the likelihood of the test statistic or one more extreme, if it came from a distribution centred on t = 0 can be estimated. After the visual judgment is made it can be related to the actual p-value
During this cycle, there were several questions from the students about the way null hypotheses are written. Popper’s work was used to find an explanation of the choice of the null hypothesis the students could understand. Searching for an answer to what distinguishes science from other fields of knowledge, Popper (1963) proposed the criterion of “falsifiability, or refutability, or testability" (p 37). By this criterion, Popper stated that "A theory that is not refutable by any conceivable event is non-scientific (p.36), so that “statements or system of statements, in order to be ranked scientific, must be capable of statements or must be of conflicting with possible, or conceivable observations" (p, 39). This reasoning was introduced to the students with the statement that “all swans are white.” It is not possible to prove this statement true, no matter how many white swans are seen, because there is always the possibility that a swan will be found that is not white. In contrast, it only takes one observation of a non-white swan to disprove this statement. It was pointed out to the students that this reasoning is similar to that used in null hypothesis testing. In NHT, it is also acknowledged that it is not possible to prove the truth of the proposed hypothesis unless the entire population is examined, but it is possible to find evidence against a proposed hypothesis. If the sample obtained is highly unexpected from a population with the proposed parameter, then it is considered that the proposed hypothesis may be incorrect.
2.6. ASSESSING STUDENTS' UNDERSTANDING
To assess students' understanding, the students were given a test at the end of each teaching semester. Two questions from this test were used to assess the students' understanding of p-values:
Question 1: A p-value of 0.98 indicates that the null hypothesis is almost certainly true. Is this statement correct? Give reasons for your answer.
Question 2: In the test of a null hypothesis that a new drug produces the same expected benefit as the standard drug, versus the alternative hypothesis that the new drug produces a higher expected benefit than does the standard drug, a p-value of 0.01 is obtained. Explain what this result means to a patient who has read the result on the web but has no statistical training. Avoid all statistical jargon
An ideal response to Question 1 would indicate that the p-value is the probability of the observed sample statistic or one more extreme if the null hypothesis were true. This p-value indicates that the observed sample statistic is very likely to occur if the proposed population parameter in the null hypothesis was correct but does not prove the truth of the null hypothesis, An ideal response to Question 2 would include a definition of the p-value in this context: If it were true that the new drug has the same expected benefit as the standard drug, then the probability of the new drug yielding results this good or even better would be only 1%
The student responses were coded according to the level of reasoning shown in these responses (Table 2). For question 1, responses that were similar to the ideal response described in the previous paragraph received a code of "3." If the response stated that a high p-value could be obtained if the true situation was "close" to that of the null hypothesis the response received a code of "2." This code was also given to responses that stated that hypothesis tests only find evidence against the null hypotheses but cannot prove them true. A general statement that nothing is ever proved in inferential received a code "1.”
For question 2, a response similar to the ideal described above received a code of “3.” If a standard hypothesis test was carried out without explanation a code of “2” was given. If is was stated that the new drug "works better” without further explanation a code of "1" was given. It was intended that these scores would be used for a Rasch analysis using the Partial Credit Model (Masters, 1982) but the questions did not fall onto a unidimensional scale that a Rasch analysis requires. These scores were used, however, to compare students' results over the period of the study
0/5000
2.4.รอบสองของการแทรกแซง ในรอบที่สองของการแทรกแซง กลยุทธ์จากภาคก่อนหน้านี้ก็ใช้กับบางเพิ่มเติม เนื่องจากนักเรียนไม่คุ้นเคยโดยทั่วไปกระบวนการ probabilistic สมมุติใช้สมมติฐานที่ทดสอบ (Yilmaz, 1996), ตัวอย่างที่เกี่ยวข้องกับสภาพอากาศถูกใช้เพื่อสร้างความคุ้นเคยนี้ ในตัวอย่างนี้ (Shaughnessy และโอกาส 2005), ข้อเสนอการทำ "ก็ร้อนภายนอก" นักเรียนมีแล้วบอกว่า คนนอกสวมเสื้อกันหนาว เพราะไม่ว่า คนจะต้องสวมเสื้อกันหนาวในวันร้อน ข้อเสนอที่ถูกถือว่าไม่ถูกต้อง ปัญหานี้ถูกนำเสนอในรูปแบบตารางที่ใช้แล้วสำหรับสมมติฐานในอนาคตทั้งหมดที่ทดสอบในหน่วย (ตารางที่ 1) คำศัพท์เป็นทางไม่ถูกนำสมมติฐานการทดสอบ (สมมติฐานว่าง ค่า p) จนต่อมาในภาคการศึกษา There evidence to suggest that learning and understanding of mathematics is improved if students are encouraged to explain their reasoning (Confrey, 1990: 2001; Pugalec, 2001 Therefore the other strategy used in this cycle was to encourage students to write about their understanding of the NHT process, with an emphasis on explaining the meaning of the appropriate p-value for each hypothesis test they were introduced to in the semester. If, for example, it was proposed that the null hypothesis was that the population mean is 200g, and the alternative hypothesis was that the population mean is less than 200g, the p-value would be the probability of obtaining a sample mean with the value observed or lower if the population mean were really 200g.2.5. THE THIRD CYCLE OF THE INTERVENTION The third cycle of the intervention included all the teaching and learning strategies from the previous two cycles with two additions. the firs addition was the use of diagrammatic representations of the p-value. This was in line with the work of Brase (2009), Moreno and Duran (2004), and Ozgun-Koca (1998) who suggested that the use of multiple representations can improve students' learning and understanding. The second addition was the introduction of Popper’s (1963) proposition about the nature of science. An example of a p-value in diagrammatic form is shown in Figure 1.In this diagram, the distribution of the t-statistic is drawn and the value of the test statistic (t=3.6) added. From this diagram, the likelihood of the test statistic or one more extreme, if it came from a distribution centred on t = 0 can be estimated. After the visual judgment is made it can be related to the actual p-value During this cycle, there were several questions from the students about the way null hypotheses are written. Popper’s work was used to find an explanation of the choice of the null hypothesis the students could understand. Searching for an answer to what distinguishes science from other fields of knowledge, Popper (1963) proposed the criterion of “falsifiability, or refutability, or testability" (p 37). By this criterion, Popper stated that "A theory that is not refutable by any conceivable event is non-scientific (p.36), so that “statements or system of statements, in order to be ranked scientific, must be capable of statements or must be of conflicting with possible, or conceivable observations" (p, 39). This reasoning was introduced to the students with the statement that “all swans are white.” It is not possible to prove this statement true, no matter how many white swans are seen, because there is always the possibility that a swan will be found that is not white. In contrast, it only takes one observation of a non-white swan to disprove this statement. It was pointed out to the students that this reasoning is similar to that used in null hypothesis testing. In NHT, it is also acknowledged that it is not possible to prove the truth of the proposed hypothesis unless the entire population is examined, but it is possible to find evidence against a proposed hypothesis. If the sample obtained is highly unexpected from a population with the proposed parameter, then it is considered that the proposed hypothesis may be incorrect.
2.6. ASSESSING STUDENTS' UNDERSTANDING
To assess students' understanding, the students were given a test at the end of each teaching semester. Two questions from this test were used to assess the students' understanding of p-values:
Question 1: A p-value of 0.98 indicates that the null hypothesis is almost certainly true. Is this statement correct? Give reasons for your answer.
Question 2: In the test of a null hypothesis that a new drug produces the same expected benefit as the standard drug, versus the alternative hypothesis that the new drug produces a higher expected benefit than does the standard drug, a p-value of 0.01 is obtained. Explain what this result means to a patient who has read the result on the web but has no statistical training. Avoid all statistical jargon
An ideal response to Question 1 would indicate that the p-value is the probability of the observed sample statistic or one more extreme if the null hypothesis were true. This p-value indicates that the observed sample statistic is very likely to occur if the proposed population parameter in the null hypothesis was correct but does not prove the truth of the null hypothesis, An ideal response to Question 2 would include a definition of the p-value in this context: If it were true that the new drug has the same expected benefit as the standard drug, then the probability of the new drug yielding results this good or even better would be only 1%
The student responses were coded according to the level of reasoning shown in these responses (Table 2). For question 1, responses that were similar to the ideal response described in the previous paragraph received a code of "3." If the response stated that a high p-value could be obtained if the true situation was "close" to that of the null hypothesis the response received a code of "2." This code was also given to responses that stated that hypothesis tests only find evidence against the null hypotheses but cannot prove them true. A general statement that nothing is ever proved in inferential received a code "1.”
For question 2, a response similar to the ideal described above received a code of “3.” If a standard hypothesis test was carried out without explanation a code of “2” was given. If is was stated that the new drug "works better” without further explanation a code of "1" was given. It was intended that these scores would be used for a Rasch analysis using the Partial Credit Model (Masters, 1982) but the questions did not fall onto a unidimensional scale that a Rasch analysis requires. These scores were used, however, to compare students' results over the period of the study
2.6. ASSESSING STUDENTS' UNDERSTANDING
To assess students' understanding, the students were given a test at the end of each teaching semester. Two questions from this test were used to assess the students' understanding of p-values:
Question 1: A p-value of 0.98 indicates that the null hypothesis is almost certainly true. Is this statement correct? Give reasons for your answer.
Question 2: In the test of a null hypothesis that a new drug produces the same expected benefit as the standard drug, versus the alternative hypothesis that the new drug produces a higher expected benefit than does the standard drug, a p-value of 0.01 is obtained. Explain what this result means to a patient who has read the result on the web but has no statistical training. Avoid all statistical jargon
An ideal response to Question 1 would indicate that the p-value is the probability of the observed sample statistic or one more extreme if the null hypothesis were true. This p-value indicates that the observed sample statistic is very likely to occur if the proposed population parameter in the null hypothesis was correct but does not prove the truth of the null hypothesis, An ideal response to Question 2 would include a definition of the p-value in this context: If it were true that the new drug has the same expected benefit as the standard drug, then the probability of the new drug yielding results this good or even better would be only 1%
The student responses were coded according to the level of reasoning shown in these responses (Table 2). For question 1, responses that were similar to the ideal response described in the previous paragraph received a code of "3." If the response stated that a high p-value could be obtained if the true situation was "close" to that of the null hypothesis the response received a code of "2." This code was also given to responses that stated that hypothesis tests only find evidence against the null hypotheses but cannot prove them true. A general statement that nothing is ever proved in inferential received a code "1.”
For question 2, a response similar to the ideal described above received a code of “3.” If a standard hypothesis test was carried out without explanation a code of “2” was given. If is was stated that the new drug "works better” without further explanation a code of "1" was given. It was intended that these scores would be used for a Rasch analysis using the Partial Credit Model (Masters, 1982) but the questions did not fall onto a unidimensional scale that a Rasch analysis requires. These scores were used, however, to compare students' results over the period of the study
การแปล กรุณารอสักครู่..
2.4
รอบที่สองของการแทรกแซงในรอบที่สองของการแทรกแซงกลยุทธ์จากภาคการศึกษาก่อนหน้านี้ถูกนำมาใช้กับการเพิ่มเติมบางส่วน เพราะนักเรียนไม่คุ้นเคยโดยทั่วไปกับความน่าจะเป็นกระบวนการสมมุติที่ใช้ในการทดสอบสมมติฐาน (Yilmaz, 1996) เป็นตัวอย่างที่เกี่ยวข้องกับสภาพอากาศที่ถูกนำมาใช้เพื่อช่วยในการสร้างความคุ้นเคยนี้ ในตัวอย่างนี้ (Shaughnessy และมีโอกาสเกิด 2005), เรื่องที่ถูกสร้างขึ้นมาว่า "มันเป็นความร้อนภายนอก." นักเรียนแล้วก็บอกว่าทุกคนที่อยู่นอกสวมเสื้อผ้าฤดูหนาว เพราะมันเป็นไปได้ยากที่ผู้คนจะได้รับการสวมใส่เสื้อผ้าในช่วงฤดูหนาวในวันที่ร้อน, ข้อเสนอได้รับการพิจารณาว่าไม่ถูกต้อง ปัญหานี้ถูกนำเสนอในรูปแบบตารางที่ถูกนำมาใช้สำหรับการทดสอบสมมติฐานในอนาคตหน่วย (ตารางที่ 1) คำศัพท์อย่างเป็นทางการของการทดสอบสมมติฐาน (สมมติฐาน, p-value) ไม่ได้รับการแนะนำให้รู้จักจนกระทั่งต่อมาในภาคการศึกษา.
หลักฐานที่มีจะชี้ให้เห็นว่าการเรียนรู้และความเข้าใจของคณิตศาสตร์จะดีขึ้นถ้านักเรียนมีกำลังใจที่จะอธิบายเหตุผลของพวกเขา (Confrey, 1990: 2001; Pugalec 2001 ดังนั้นกลยุทธ์อื่น ๆ ที่ใช้ในวงจรนี้คือการส่งเสริมให้นักเรียนที่จะเขียนเกี่ยวกับความเข้าใจของกระบวนการ NHT โดยเน้นที่การอธิบายความหมายของ p-value ที่เหมาะสมสำหรับแต่ละการทดสอบสมมติฐานที่พวกเขาได้รับการแนะนำให้รู้จักกับในภาคการศึกษา ถ้าเช่นนั้นก็เสนอว่าสมมติฐานคือการที่ประชากรที่หมายถึงคือ 200g และสมมติฐานทางเลือกคือการที่ประชากรที่หมายถึงคือน้อยกว่า 200 กรัมที่ p-value จะเป็นความน่าจะเป็นของการได้รับตัวอย่างหมายถึงมีค่า สังเกตหรือต่ำกว่าถ้าประชากรเฉลี่ยจริงๆ 200g.
2.5.
รอบที่สามของการแทรกแซงรอบที่สามของการแทรกแซงรวมไปถึงการเรียนการสอนและกลยุทธ์การเรียนรู้จากก่อนหน้านี้สองรอบสองเพิ่มเติม นอกจากนี้ภาคเรียนคือการใช้การแสดงแผนภาพของพีมูลค่า ซึ่งสอดคล้องกับการทำงานของ Brase นี้ (2009), โมเรโนและ Duran (2004) และ ozgun-Koca (1998) ที่ชี้ให้เห็นว่าการใช้การแสดงหลาย ๆ สามารถปรับปรุงการเรียนรู้ของนักเรียนและความเข้าใจ นอกจากนี้ที่สองคือการแนะนำของประหลาด (1963) เรื่องที่เกี่ยวกับธรรมชาติของวิทยาศาสตร์.
ตัวอย่างของ p-value ในรูปแบบแผนภาพแสดงในรูป 1.In แผนภาพนี้การกระจายของเสื้อสถิติจะถูกวาดและความคุ้มค่า สถิติทดสอบ (t = 3.6) เพิ่ม จากแผนภาพนี้โอกาสของสถิติทดสอบหรือหนึ่งมากขึ้นถ้ามันมาจากการกระจายศูนย์รวมอยู่ที่ t = 0 สามารถประมาณ หลังจากการตัดสินภาพจะทำก็สามารถที่เกี่ยวข้องกับ p-value
ที่เกิดขึ้นจริงในช่วงรอบนี้มีหลายคำถามจากนักเรียนเกี่ยวกับวิธีสมมติฐานจะเขียน ทำงานตกใจที่ถูกใช้ในการหาคำอธิบายทางเลือกของสมมติฐานนักเรียนสามารถเข้าใจ ค้นหาคำตอบกับสิ่งที่แตกต่างวิทยาศาสตร์จากสาขาอื่น ๆ ของความรู้ตกใจ (1963) ได้เสนอเกณฑ์ของ "falsifiability หรือ refutability หรือการตรวจสอบได้" (หน้า 37). ตามเกณฑ์นี้ตกใจระบุว่า "ทฤษฎีที่ไม่ได้หักล้าง โดยเหตุการณ์ที่เป็นไปได้ใด ๆ ที่ไม่เป็นวิทยาศาสตร์ (p.36) เพื่อให้งบ "หรือระบบของงบในการสั่งซื้อที่จะได้รับการจัดอันดับทางวิทยาศาสตร์ที่จะต้องมีความสามารถในงบหรือจะต้องมีความขัดแย้งกับความเป็นไปได้หรือเป็นไปได้สังเกต" (p, 39). เหตุผลนี้ได้รับการแนะนำให้รู้จักกับนักเรียนที่มีคำว่า "หงส์ทั้งหมดเป็นสีขาว." มันเป็นไปไม่ได้ที่จะพิสูจน์คำพูดนี้เป็นจริงไม่ว่ากี่หงส์ขาวจะเห็นเพราะมีความเป็นไปได้ที่ว่าหงส์จะ พบได้ที่ไม่ได้เป็นสีขาว. ในทางตรงกันข้ามมันใช้เวลาเพียงหนึ่งสังเกตของหงส์ไม่ใช่สีขาวที่จะพิสูจน์คำสั่งนี้. มันก็ชี้ให้เห็นให้กับนักเรียนที่เหตุผลนี้จะคล้ายกับที่ใช้ในการทดสอบสมมติฐาน. ใน NHT มัน เป็นที่ยอมรับว่ามันเป็นไปไม่ได้ที่จะพิสูจน์ความจริงของสมมติฐานที่นำเสนอเว้นแต่ประชากรทั้งหมดจะตรวจสอบ แต่มันก็เป็นไปได้ที่จะหาหลักฐานกับสมมติฐานที่นำเสนอ หากกลุ่มตัวอย่างที่ได้รับเป็นอย่างมากที่ไม่คาดคิดจากประชากรที่มีพารามิเตอร์ที่นำเสนอนั้นจะพิจารณาว่าสมมติฐานที่นำเสนออาจไม่ถูกต้อง.
2.6
การประเมินความเข้าใจของนักเรียนเพื่อประเมินนักเรียนเข้าใจนักเรียนที่ได้รับการทดสอบในตอนท้ายของแต่ละภาคการศึกษาการเรียนการสอน คำถามที่สองจากการทดสอบนี้ถูกนำมาใช้เพื่อประเมินความเข้าใจของนักเรียนของค่าพีที่:
คำถามที่ 1: p-value 0.98 แสดงให้เห็นว่าสมมติฐานเกือบจะเป็นจริงอย่างแน่นอน นี้เป็นคำสั่งที่ถูกต้อง? ให้เหตุผลสำหรับคำตอบของคุณ.
คำถามที่ 2: ในการทดสอบของสมมติฐานที่ว่ายาใหม่ก่อให้เกิดประโยชน์ที่คาดว่าจะเป็นเช่นเดียวกับยาเสพติดมาตรฐานเมื่อเทียบกับสมมติฐานทางเลือกที่ยาใหม่ก่อให้เกิดผลประโยชน์ที่คาดว่าจะสูงกว่ายามาตรฐานที่ p-value 0.01 จะได้รับ อธิบายสิ่งที่ผลนี้หมายถึงผู้ป่วยที่ได้อ่านผลบนเว็บ แต่มีไม่มีการฝึกอบรมทางสถิติ หลีกเลี่ยงศัพท์แสงทางสถิติทุกการตอบกลับที่เหมาะคำถาม 1 จะแสดงให้เห็นว่า p-value ความน่าจะเป็นของสถิติตัวอย่างสังเกตหรือหนึ่งที่รุนแรงมากขึ้นถ้าสมมติฐานเป็นจริง
นี้ p-value แสดงให้เห็นว่าสถิติตัวอย่างสังเกตอาจเป็นไปได้มากที่จะเกิดขึ้นหากมีประชากรพารามิเตอร์เสนอในสมมติฐานที่ถูกต้อง แต่ไม่ได้พิสูจน์ความจริงของสมมติฐานที่การตอบกลับที่ที่เหมาะที่จะคำถาม 2 จะรวมถึงความหมายของพีที่ -value ในบริบทนี้: ถ้ามันเป็นความจริงที่ว่ายาเสพติดใหม่ที่มีผลประโยชน์ที่คาดว่าจะเป็นเช่นเดียวกับยาเสพติดที่ได้มาตรฐานแล้วน่าจะเป็นของผลยาเสพติดที่ให้ผลผลิตใหม่นี้ดีหรือดียิ่งขึ้นจะเป็นเพียง 1%
การตอบสนองของนักเรียนถูกเข้ารหัสตาม ระดับของการให้เหตุผลในการตอบสนองการแสดงเหล่านี้ (ตารางที่ 2) สำหรับคำถามที่ 1 การตอบสนองที่มีความคล้ายคลึงกับการตอบสนองที่เหมาะไว้ในวรรคก่อนหน้านี้ได้รับรหัสของ "3" ถ้าตอบระบุว่าสูง p-value อาจจะได้รับหากสถานการณ์ที่แท้จริงคือ "ปิด" กับที่ของสมมติฐานที่ได้รับการตอบสนองรหัสของ "2" รหัสนี้ยังได้รับการตอบระบุว่าการทดสอบสมมติฐานที่ว่าเพียง แต่หาหลักฐานกับสมมติฐาน แต่ไม่สามารถพิสูจน์ได้ว่าพวกเขาเป็นจริง คำสั่งทั่วไปที่ไม่มีอะไรที่เคยได้รับการพิสูจน์ในเชิงอนุมานได้รับรหัส "1"
สำหรับคำถามที่ 2 การตอบสนองที่คล้ายกับที่เหมาะที่อธิบายข้างต้นได้รับรหัสของ "3. " ถ้าทดสอบสมมติฐานมาตรฐานได้ดำเนินการโดยไม่มีคำอธิบายของรหัส "2" ได้รับ. ถ้ามีที่ถูกระบุว่ายาใหม่ "ทำงานได้ดีขึ้น" โดยไม่มีคำอธิบายเพิ่มเติมรหัสของ "1" ได้รับ มันตั้งใจว่าคะแนนเหล่านี้จะนำมาใช้สำหรับการวิเคราะห์ Rasch ใช้รุ่นเครดิตบางส่วน (ปริญญาโท, 1982) แต่คำถามไม่ได้ตกอยู่บนระดับ unidimensional ว่าการวิเคราะห์ Rasch ต้อง คะแนนเหล่านี้ถูกนำมาใช้อย่างไรจะเปรียบเทียบผลของนักเรียนในช่วงเวลาของการศึกษา
รอบที่สองของการแทรกแซงในรอบที่สองของการแทรกแซงกลยุทธ์จากภาคการศึกษาก่อนหน้านี้ถูกนำมาใช้กับการเพิ่มเติมบางส่วน เพราะนักเรียนไม่คุ้นเคยโดยทั่วไปกับความน่าจะเป็นกระบวนการสมมุติที่ใช้ในการทดสอบสมมติฐาน (Yilmaz, 1996) เป็นตัวอย่างที่เกี่ยวข้องกับสภาพอากาศที่ถูกนำมาใช้เพื่อช่วยในการสร้างความคุ้นเคยนี้ ในตัวอย่างนี้ (Shaughnessy และมีโอกาสเกิด 2005), เรื่องที่ถูกสร้างขึ้นมาว่า "มันเป็นความร้อนภายนอก." นักเรียนแล้วก็บอกว่าทุกคนที่อยู่นอกสวมเสื้อผ้าฤดูหนาว เพราะมันเป็นไปได้ยากที่ผู้คนจะได้รับการสวมใส่เสื้อผ้าในช่วงฤดูหนาวในวันที่ร้อน, ข้อเสนอได้รับการพิจารณาว่าไม่ถูกต้อง ปัญหานี้ถูกนำเสนอในรูปแบบตารางที่ถูกนำมาใช้สำหรับการทดสอบสมมติฐานในอนาคตหน่วย (ตารางที่ 1) คำศัพท์อย่างเป็นทางการของการทดสอบสมมติฐาน (สมมติฐาน, p-value) ไม่ได้รับการแนะนำให้รู้จักจนกระทั่งต่อมาในภาคการศึกษา.
หลักฐานที่มีจะชี้ให้เห็นว่าการเรียนรู้และความเข้าใจของคณิตศาสตร์จะดีขึ้นถ้านักเรียนมีกำลังใจที่จะอธิบายเหตุผลของพวกเขา (Confrey, 1990: 2001; Pugalec 2001 ดังนั้นกลยุทธ์อื่น ๆ ที่ใช้ในวงจรนี้คือการส่งเสริมให้นักเรียนที่จะเขียนเกี่ยวกับความเข้าใจของกระบวนการ NHT โดยเน้นที่การอธิบายความหมายของ p-value ที่เหมาะสมสำหรับแต่ละการทดสอบสมมติฐานที่พวกเขาได้รับการแนะนำให้รู้จักกับในภาคการศึกษา ถ้าเช่นนั้นก็เสนอว่าสมมติฐานคือการที่ประชากรที่หมายถึงคือ 200g และสมมติฐานทางเลือกคือการที่ประชากรที่หมายถึงคือน้อยกว่า 200 กรัมที่ p-value จะเป็นความน่าจะเป็นของการได้รับตัวอย่างหมายถึงมีค่า สังเกตหรือต่ำกว่าถ้าประชากรเฉลี่ยจริงๆ 200g.
2.5.
รอบที่สามของการแทรกแซงรอบที่สามของการแทรกแซงรวมไปถึงการเรียนการสอนและกลยุทธ์การเรียนรู้จากก่อนหน้านี้สองรอบสองเพิ่มเติม นอกจากนี้ภาคเรียนคือการใช้การแสดงแผนภาพของพีมูลค่า ซึ่งสอดคล้องกับการทำงานของ Brase นี้ (2009), โมเรโนและ Duran (2004) และ ozgun-Koca (1998) ที่ชี้ให้เห็นว่าการใช้การแสดงหลาย ๆ สามารถปรับปรุงการเรียนรู้ของนักเรียนและความเข้าใจ นอกจากนี้ที่สองคือการแนะนำของประหลาด (1963) เรื่องที่เกี่ยวกับธรรมชาติของวิทยาศาสตร์.
ตัวอย่างของ p-value ในรูปแบบแผนภาพแสดงในรูป 1.In แผนภาพนี้การกระจายของเสื้อสถิติจะถูกวาดและความคุ้มค่า สถิติทดสอบ (t = 3.6) เพิ่ม จากแผนภาพนี้โอกาสของสถิติทดสอบหรือหนึ่งมากขึ้นถ้ามันมาจากการกระจายศูนย์รวมอยู่ที่ t = 0 สามารถประมาณ หลังจากการตัดสินภาพจะทำก็สามารถที่เกี่ยวข้องกับ p-value
ที่เกิดขึ้นจริงในช่วงรอบนี้มีหลายคำถามจากนักเรียนเกี่ยวกับวิธีสมมติฐานจะเขียน ทำงานตกใจที่ถูกใช้ในการหาคำอธิบายทางเลือกของสมมติฐานนักเรียนสามารถเข้าใจ ค้นหาคำตอบกับสิ่งที่แตกต่างวิทยาศาสตร์จากสาขาอื่น ๆ ของความรู้ตกใจ (1963) ได้เสนอเกณฑ์ของ "falsifiability หรือ refutability หรือการตรวจสอบได้" (หน้า 37). ตามเกณฑ์นี้ตกใจระบุว่า "ทฤษฎีที่ไม่ได้หักล้าง โดยเหตุการณ์ที่เป็นไปได้ใด ๆ ที่ไม่เป็นวิทยาศาสตร์ (p.36) เพื่อให้งบ "หรือระบบของงบในการสั่งซื้อที่จะได้รับการจัดอันดับทางวิทยาศาสตร์ที่จะต้องมีความสามารถในงบหรือจะต้องมีความขัดแย้งกับความเป็นไปได้หรือเป็นไปได้สังเกต" (p, 39). เหตุผลนี้ได้รับการแนะนำให้รู้จักกับนักเรียนที่มีคำว่า "หงส์ทั้งหมดเป็นสีขาว." มันเป็นไปไม่ได้ที่จะพิสูจน์คำพูดนี้เป็นจริงไม่ว่ากี่หงส์ขาวจะเห็นเพราะมีความเป็นไปได้ที่ว่าหงส์จะ พบได้ที่ไม่ได้เป็นสีขาว. ในทางตรงกันข้ามมันใช้เวลาเพียงหนึ่งสังเกตของหงส์ไม่ใช่สีขาวที่จะพิสูจน์คำสั่งนี้. มันก็ชี้ให้เห็นให้กับนักเรียนที่เหตุผลนี้จะคล้ายกับที่ใช้ในการทดสอบสมมติฐาน. ใน NHT มัน เป็นที่ยอมรับว่ามันเป็นไปไม่ได้ที่จะพิสูจน์ความจริงของสมมติฐานที่นำเสนอเว้นแต่ประชากรทั้งหมดจะตรวจสอบ แต่มันก็เป็นไปได้ที่จะหาหลักฐานกับสมมติฐานที่นำเสนอ หากกลุ่มตัวอย่างที่ได้รับเป็นอย่างมากที่ไม่คาดคิดจากประชากรที่มีพารามิเตอร์ที่นำเสนอนั้นจะพิจารณาว่าสมมติฐานที่นำเสนออาจไม่ถูกต้อง.
2.6
การประเมินความเข้าใจของนักเรียนเพื่อประเมินนักเรียนเข้าใจนักเรียนที่ได้รับการทดสอบในตอนท้ายของแต่ละภาคการศึกษาการเรียนการสอน คำถามที่สองจากการทดสอบนี้ถูกนำมาใช้เพื่อประเมินความเข้าใจของนักเรียนของค่าพีที่:
คำถามที่ 1: p-value 0.98 แสดงให้เห็นว่าสมมติฐานเกือบจะเป็นจริงอย่างแน่นอน นี้เป็นคำสั่งที่ถูกต้อง? ให้เหตุผลสำหรับคำตอบของคุณ.
คำถามที่ 2: ในการทดสอบของสมมติฐานที่ว่ายาใหม่ก่อให้เกิดประโยชน์ที่คาดว่าจะเป็นเช่นเดียวกับยาเสพติดมาตรฐานเมื่อเทียบกับสมมติฐานทางเลือกที่ยาใหม่ก่อให้เกิดผลประโยชน์ที่คาดว่าจะสูงกว่ายามาตรฐานที่ p-value 0.01 จะได้รับ อธิบายสิ่งที่ผลนี้หมายถึงผู้ป่วยที่ได้อ่านผลบนเว็บ แต่มีไม่มีการฝึกอบรมทางสถิติ หลีกเลี่ยงศัพท์แสงทางสถิติทุกการตอบกลับที่เหมาะคำถาม 1 จะแสดงให้เห็นว่า p-value ความน่าจะเป็นของสถิติตัวอย่างสังเกตหรือหนึ่งที่รุนแรงมากขึ้นถ้าสมมติฐานเป็นจริง
นี้ p-value แสดงให้เห็นว่าสถิติตัวอย่างสังเกตอาจเป็นไปได้มากที่จะเกิดขึ้นหากมีประชากรพารามิเตอร์เสนอในสมมติฐานที่ถูกต้อง แต่ไม่ได้พิสูจน์ความจริงของสมมติฐานที่การตอบกลับที่ที่เหมาะที่จะคำถาม 2 จะรวมถึงความหมายของพีที่ -value ในบริบทนี้: ถ้ามันเป็นความจริงที่ว่ายาเสพติดใหม่ที่มีผลประโยชน์ที่คาดว่าจะเป็นเช่นเดียวกับยาเสพติดที่ได้มาตรฐานแล้วน่าจะเป็นของผลยาเสพติดที่ให้ผลผลิตใหม่นี้ดีหรือดียิ่งขึ้นจะเป็นเพียง 1%
การตอบสนองของนักเรียนถูกเข้ารหัสตาม ระดับของการให้เหตุผลในการตอบสนองการแสดงเหล่านี้ (ตารางที่ 2) สำหรับคำถามที่ 1 การตอบสนองที่มีความคล้ายคลึงกับการตอบสนองที่เหมาะไว้ในวรรคก่อนหน้านี้ได้รับรหัสของ "3" ถ้าตอบระบุว่าสูง p-value อาจจะได้รับหากสถานการณ์ที่แท้จริงคือ "ปิด" กับที่ของสมมติฐานที่ได้รับการตอบสนองรหัสของ "2" รหัสนี้ยังได้รับการตอบระบุว่าการทดสอบสมมติฐานที่ว่าเพียง แต่หาหลักฐานกับสมมติฐาน แต่ไม่สามารถพิสูจน์ได้ว่าพวกเขาเป็นจริง คำสั่งทั่วไปที่ไม่มีอะไรที่เคยได้รับการพิสูจน์ในเชิงอนุมานได้รับรหัส "1"
สำหรับคำถามที่ 2 การตอบสนองที่คล้ายกับที่เหมาะที่อธิบายข้างต้นได้รับรหัสของ "3. " ถ้าทดสอบสมมติฐานมาตรฐานได้ดำเนินการโดยไม่มีคำอธิบายของรหัส "2" ได้รับ. ถ้ามีที่ถูกระบุว่ายาใหม่ "ทำงานได้ดีขึ้น" โดยไม่มีคำอธิบายเพิ่มเติมรหัสของ "1" ได้รับ มันตั้งใจว่าคะแนนเหล่านี้จะนำมาใช้สำหรับการวิเคราะห์ Rasch ใช้รุ่นเครดิตบางส่วน (ปริญญาโท, 1982) แต่คำถามไม่ได้ตกอยู่บนระดับ unidimensional ว่าการวิเคราะห์ Rasch ต้อง คะแนนเหล่านี้ถูกนำมาใช้อย่างไรจะเปรียบเทียบผลของนักเรียนในช่วงเวลาของการศึกษา
การแปล กรุณารอสักครู่..
2.4 . สองวงจรของการแทรกแซง
ในรอบสองของการแทรกแซง กลยุทธ์ จากภาคก่อนหน้าที่ใช้กับบางเพิ่ม เพราะนักเรียนโดยทั่วไปคุ้นเคยกับกระบวนการที่ใช้ในการทดสอบสมมติฐานสมมติฐานความน่าจะเป็น ( ยิลมาส , 1996 ) ตัวอย่างที่เกี่ยวข้องกับสภาพอากาศที่ใช้เพื่อช่วยสร้างความคุ้นเคยนี้ในตัวอย่างนี้ ( ชอนเนสซี่&โอกาส , 2005 ) , โจทย์ได้ว่า " มันเป็นร้อนนอก . " นักเรียนบอกทุกคนข้างนอกสวมเสื้อผ้าฤดูหนาว เพราะเป็นการยากที่ผู้คนจะสวมเสื้อผ้าหน้าหนาวในวันที่ร้อน ข้อเสนอก็ถือว่าไม่ถูกต้องปัญหานี้ถูกนำเสนอในรูปแบบของตารางที่ใช้สำหรับการทดสอบสมมติฐานในอนาคตทั้งหมดในหน่วย ( ตารางที่ 1 ) ศัพท์ที่เป็นทางการของการทดสอบสมมติฐานสมมติฐานโมฆะ ? ) ไม่แนะนำจนกระทั่งในภาคการศึกษา
มีหลักฐานเพื่อแสดงให้เห็นว่าการเรียนรู้และความเข้าใจในคณิตศาสตร์ดีขึ้น ถ้านักเรียนจะได้รับการส่งเสริมเพื่ออธิบายเหตุผลของตน ( confrey , 2533 :2001 pugalec 2001 ดังนั้นอื่น ๆกลยุทธ์ที่ใช้ในรอบนี้ คือ ให้นักเรียนเขียนเกี่ยวกับความเข้าใจของกระบวนการ nht โดยเน้นอธิบายความหมายของระดับที่เหมาะสมสำหรับแต่ละการทดสอบสมมติฐาน พวกเขาจะถูกนำในภาคการศึกษา ตัวอย่างเช่นถ้ามันเสนอสมมติฐานโมฆะ คือ ประชากร หมายถึง แกะ ,และสมมติฐานทางเลือกที่ประชากรหมายถึงน้อยกว่า 200 กรัม , p-value จะโอกาสได้รับค่าเฉลี่ยตัวอย่างกับค่าสังเกตหรือต่ำกว่าถ้าประชากรหมายถึงจริงๆ 200g .
2.5 รอบสามของการแทรกแซง
วงจรที่สามของการแทรกแซงทั้งการสอนและการเรียนรู้กลยุทธ์จากก่อนหน้านี้สองรอบสองเพิ่มเติมส่วนแรกคือการใช้ตัวแทนของเกี่ยวกับแผนภาพระดับ . นี้สอดคล้องกับการทำงานของ brase ( 2009 ) , โมเรโน่ และ ดูแรน ( 2004 ) , และ ozgun koca ( 1998 ) ที่แสดงให้เห็นว่า การใช้หลายภาพสามารถปรับปรุงการเรียนรู้ของนักเรียนและความเข้าใจ นอกจากสองเบื้องต้นของปอปเปอร์ ( 1963 ) ข้อเสนอเกี่ยวกับธรรมชาติของวิทยาศาสตร์
ตัวอย่างของการศึกษาในรูปแบบเกี่ยวกับแผนภาพที่แสดงในรูปที่ 1 ในแผนภาพนี้ การแพร่กระจายของ t-statistic วาดและค่าทดสอบสถิติ ( t = 3.6 ) เพิ่ม จากแผนภาพนี้ โอกาสของการทดสอบทางสถิติหรือรุนแรงมากขึ้น ถ้ามันมาจากการแจกแจงที่มี t = 0 สามารถประมาณ หลังจากการพิพากษา เป็นภาพที่ทำให้มันสามารถที่เกี่ยวข้องกับ
p ที่เกิดขึ้นจริง
ในรอบสองของการแทรกแซง กลยุทธ์ จากภาคก่อนหน้าที่ใช้กับบางเพิ่ม เพราะนักเรียนโดยทั่วไปคุ้นเคยกับกระบวนการที่ใช้ในการทดสอบสมมติฐานสมมติฐานความน่าจะเป็น ( ยิลมาส , 1996 ) ตัวอย่างที่เกี่ยวข้องกับสภาพอากาศที่ใช้เพื่อช่วยสร้างความคุ้นเคยนี้ในตัวอย่างนี้ ( ชอนเนสซี่&โอกาส , 2005 ) , โจทย์ได้ว่า " มันเป็นร้อนนอก . " นักเรียนบอกทุกคนข้างนอกสวมเสื้อผ้าฤดูหนาว เพราะเป็นการยากที่ผู้คนจะสวมเสื้อผ้าหน้าหนาวในวันที่ร้อน ข้อเสนอก็ถือว่าไม่ถูกต้องปัญหานี้ถูกนำเสนอในรูปแบบของตารางที่ใช้สำหรับการทดสอบสมมติฐานในอนาคตทั้งหมดในหน่วย ( ตารางที่ 1 ) ศัพท์ที่เป็นทางการของการทดสอบสมมติฐานสมมติฐานโมฆะ ? ) ไม่แนะนำจนกระทั่งในภาคการศึกษา
มีหลักฐานเพื่อแสดงให้เห็นว่าการเรียนรู้และความเข้าใจในคณิตศาสตร์ดีขึ้น ถ้านักเรียนจะได้รับการส่งเสริมเพื่ออธิบายเหตุผลของตน ( confrey , 2533 :2001 pugalec 2001 ดังนั้นอื่น ๆกลยุทธ์ที่ใช้ในรอบนี้ คือ ให้นักเรียนเขียนเกี่ยวกับความเข้าใจของกระบวนการ nht โดยเน้นอธิบายความหมายของระดับที่เหมาะสมสำหรับแต่ละการทดสอบสมมติฐาน พวกเขาจะถูกนำในภาคการศึกษา ตัวอย่างเช่นถ้ามันเสนอสมมติฐานโมฆะ คือ ประชากร หมายถึง แกะ ,และสมมติฐานทางเลือกที่ประชากรหมายถึงน้อยกว่า 200 กรัม , p-value จะโอกาสได้รับค่าเฉลี่ยตัวอย่างกับค่าสังเกตหรือต่ำกว่าถ้าประชากรหมายถึงจริงๆ 200g .
2.5 รอบสามของการแทรกแซง
วงจรที่สามของการแทรกแซงทั้งการสอนและการเรียนรู้กลยุทธ์จากก่อนหน้านี้สองรอบสองเพิ่มเติมส่วนแรกคือการใช้ตัวแทนของเกี่ยวกับแผนภาพระดับ . นี้สอดคล้องกับการทำงานของ brase ( 2009 ) , โมเรโน่ และ ดูแรน ( 2004 ) , และ ozgun koca ( 1998 ) ที่แสดงให้เห็นว่า การใช้หลายภาพสามารถปรับปรุงการเรียนรู้ของนักเรียนและความเข้าใจ นอกจากสองเบื้องต้นของปอปเปอร์ ( 1963 ) ข้อเสนอเกี่ยวกับธรรมชาติของวิทยาศาสตร์
ตัวอย่างของการศึกษาในรูปแบบเกี่ยวกับแผนภาพที่แสดงในรูปที่ 1 ในแผนภาพนี้ การแพร่กระจายของ t-statistic วาดและค่าทดสอบสถิติ ( t = 3.6 ) เพิ่ม จากแผนภาพนี้ โอกาสของการทดสอบทางสถิติหรือรุนแรงมากขึ้น ถ้ามันมาจากการแจกแจงที่มี t = 0 สามารถประมาณ หลังจากการพิพากษา เป็นภาพที่ทำให้มันสามารถที่เกี่ยวข้องกับ
p ที่เกิดขึ้นจริง
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- ฉันเป็นคนไทย
- มีโรงงานผลิตน้ำตาล
- เหนียวตัว
- medium
- มันทำให้รู้สึกถึงความน่ากลัวความลึก
- กาแฟซอง
- faithfulness and devotion
- shoot up
- ฉันโครตคิดถึงแกเลย
- troops
- รักนะเทอ
- and also required students to provide re
- คุณเคยโดนผู้หญิงหลอกไหม?
- High-performance liquid chromatography (
- ชอบการสอนของครูสองและครูแอนในเรื่อง
- ฉันสวยมาก
- There aer seven regions
- i'll lay with you
- แล้วพบกัน
- is everything going well at school
- put on boxing oil
- fall asleep
- สปาเก็ตตี้ขี้เมากุ้ง
- ฉันสามารถอธิบายให้คนอื่นเข้าใจแผนของฉันแ
