Furthermore, the consistently large

Furthermore, the consistently larger scores on the second half of each
block are evidence of substantial learning effects. Researchers are
urged to consider practice and block length effects in their GNAT
designs.
While some very high and very low correlations were observed at
the extremes of the RaSSH distributions, the distributions were close
to symmetric about the mean (and median) and displayed relatively
small spread. This pattern of results indicates that while using a single
split to calculate reliability could result in substantial over- or underestimates,
a single random split will generally yield an unbiased estimate
of the mean of all split halves.
Perhaps surprisingly, the odd/even splitting method yielded very
similar reliability estimates to the RaSSH averages, although overall
the RaSSH estimates were marginally higher and varied less within
a study. While an odd/even split could result in substantial error (as
evidenced by the tails of the RaSSH distribution), these results suggest
that this has not occurred for the datasets under consideration.
It seems that the odd/even split is an acceptable method, but the
RaSSH should be preferred, being less variable and more robust to
sampling anomalies.
As expected, reliability varied as a function of GNAT content and
block length. With the exception of the “fruit–good” and “old–good”
blocks, the RaSSH reliability estimates were all above the
“acceptable”.60 cutoff and the average reliability across all datasets
was good, with some specific designs having very good reliability. It
is worth noting that the bugs–fruit data yielded one of the lowest
overall reliabilities, which leads to the rather unusual situation of
paradigm's exemplar being less strong than its applications. This
may be because other studies assessed categories (e.g., black and
white faces) which both belong to a higher-level category (e.g.,
race). This simplifies the task because it involves a judgment on
only one relevant dimension (De Houwer & De Bruycker, 2007).
Whatever the reason, the results indicate that topic and stimuli
contribute considerably to the reliability of a GNAT. These results
give confidence that a well-designed GNAT for measuring a clearly
defined construct can have good reliability.
Two block difference scores
It has long been known (e.g., Lord, 1963) that difference scores
generally have lower reliabilities than their component scores,

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ผลการแข่งขันขนาดใหญ่อย่างต่อเนื่องในช่วงครึ่งหลังของแต่ละ
บล็อกเป็นหลักฐานของผลกระทบการเรียนรู้ที่สำคัญ นักวิจัยกำลัง
กระตุ้นให้พิจารณาการปฏิบัติและผลกระทบระยะเวลาในบล็อกของพวกเขาในริ้นออกแบบ
.
ในขณะที่ความสัมพันธ์สูงมากและต่ำมากบางคนได้ตั้งข้อสังเกตที่
สุดขั้วของการกระจาย rassh กระจายอยู่ใกล้
จะสมมาตรเกี่ยวกับค่าเฉลี่ย (และค่ามัธยฐาน) และแสดงค่อนข้าง
แพร่กระจายขนาดเล็ก รูปแบบของผลลัพธ์นี้แสดงให้เห็นว่าในขณะที่ใช้
แยกเดียวในการคำนวณความน่าเชื่อถือจะส่งผลอย่างมีนัยสำคัญมากกว่าการดูถูกหรือ
แยกสุ่มเดียวโดยทั่วไปจะให้การประเมินที่เป็นกลางของ
เฉลี่ยของทุกส่วนที่แยก.
บางทีอาจจะน่าแปลกใจแปลก วิธีการ / แยกได้ผลมาก
ประมาณการความน่าเชื่อถือคล้ายกับค่าเฉลี่ย rassh แม้ว่าโดยรวม
ประมาณการ rassh มีเล็กน้อยที่สูงขึ้นและแตกต่างกันน้อยลงภายใน
การศึกษา ในขณะที่เลขคี่ / แยกแม้จะส่งผลให้เกิดข้อผิดพลาดที่สำคัญ (เช่น
หลักฐานจากหางของการกระจาย rassh) ผลลัพธ์เหล่านี้ขอแนะนำ
ว่านี้ไม่ได้เกิดขึ้นกับชุดข้อมูลภายใต้การพิจารณา.
ดูเหมือนว่าแปลก / แยกได้เป็นวิธีการที่ยอมรับ แต่
rassh ควรเป็นที่ต้องการเป็นตัวแปรน้อยลงและมีประสิทธิภาพมากขึ้นในการเก็บตัวอย่างความผิดปกติ
.
คาดว่าจะเป็นความน่าเชื่อถือแตกต่างกันเป็นหน้าที่ของเนื้อหาริ้นและ
ระยะเวลาในบล็อก มีข้อยกเว้นของ "ผลไม้ที่ดี" และ "เก่าดี"
บล็อกประมาณการความน่าเชื่อถือ rassh มีทั้งหมดข้างต้น
"ยอมรับ"60 ตัดและน่าเชื่อถือโดยเฉลี่ยในชุดข้อมูลทั้งหมด
ได้ดีกับการออกแบบที่เฉพาะเจาะจงที่มีความน่าเชื่อถือที่ดีมาก
มันเป็นมูลค่า noting ที่ข้อมูลข้อบกพร่องผลไม้ให้ผลอย่างใดอย่างหนึ่งที่ต่ำที่สุด
ความน่าเชื่อถือโดยรวมซึ่งจะนำไปสู่​​สถานการณ์ที่ค่อนข้างผิดปกติของการเป็นแบบอย่าง
กระบวนทัศน์ของการเป็นที่แข็งแกร่งน้อยกว่าการประยุกต์ใช้
นี้อาจเป็นเพราะการศึกษาอื่น ๆ ประเมินประเภท (เช่นสีดำและ
ใบหน้าสีขาว) ซึ่งทั้งสองอยู่ในระดับชั้นที่สูงขึ้น (เช่นการแข่งขัน
) นี้ช่วยลดงานเพราะเกี่ยวข้องกับการตัดสินบน
เพียงหนึ่งมิติที่เกี่ยวข้อง (เด houwer &เด bruycker, 2007).
เหตุผลใดผลการระบุหัวข้อที่และสิ่งเร้า
มีส่วนอย่างมากที่จะน่าเชื่อถือของริ้น ผลลัพธ์เหล่านี้
ให้ความมั่นใจว่าริ้นการออกแบบที่ดีสำหรับการวัดอย่างชัดเจน
โครงสร้างที่กำหนดไว้จะมีความน่าเชื่อถือที่ดี
. สองคะแนนความแตกต่างบล็อก
มันมีมานานแล้วที่รู้จักกัน (เช่นพระเจ้า 1963) ที่คะแนนแตกต่าง
โดยทั่วไปมีความน่าเชื่อถือต่ำกว่าคะแนนองค์ประกอบของพวกเขา

ผลลัพธ์ (ไทย) 2:

นอกจากนี้ คะแนนใหญ่อย่างสม่ำเสมอในแต่ละครึ่ง
บล็อกมีหลักฐานผลการเรียนรู้พบ นักวิจัยมี
เรียกร้องให้พิจารณาปฏิบัติ และบล็อกยาวลักษณะพิเศษในการ GNAT
ออกแบบ
ขณะมีสังเกตความสัมพันธ์สูงมาก และต่ำมากบางที่
สุดขั้วของการกระจายการ RaSSH การกระจายที่ถูกปิด
เกี่ยวกับค่าเฉลี่ย (ค่ามัธยฐาน) สมมาตร และแสดงค่อนข้าง
กระจายขนาดเล็ก นี้รูปแบบของผลลัพธ์หมายถึงในขณะที่ใช้เดียว
แบ่งการคำนวณความน่าเชื่อถืออาจทำให้พบมากกว่าหรือ underestimates,
แยกสุ่มแบบเดียวโดยทั่วไปจะได้ประมาณคน
ของค่าเฉลี่ยทั้งหมดแบ่งครึ่ง
บางทีจู่ ๆ คี่/แม้แบ่งวิธีที่ให้ผลมาก
ความน่าเชื่อถือเหมือนประมาณการค่าเฉลี่ย RaSSH แม้ว่าโดยรวม
ประเมิน RaSSH สูงกว่าดี และแตกต่างกันน้อยภายใน
การศึกษา ขณะแบ่งเป็นคี่/แม้อาจทำให้พบข้อผิดพลาด (เป็น
เป็นหลักฐาน โดยหางของการแจก RaSSH), ผลลัพธ์เหล่านี้แนะนำ
นี้ยังไม่เกิดขึ้นสำหรับ datasets ภายใต้การพิจารณา.
เหมือนว่า แบ่งคี่/แม้เป็นวิธีที่ยอมรับได้ แต่
RaSSH ควร ตัวแปรน้อย และแข็งแกร่งมากขึ้นไป
สุ่มตัวอย่างความผิด
ตามที่คาดไว้ ความน่าเชื่อถือที่แตกต่างกันเป็นฟังก์ชันของเนื้อหา GNAT และ
บล็อกความยาว ยกเว้น "fruit–good" และ "old–good"
บล็อก RaSSH ประเมินความน่าเชื่อถือได้ทั้งหมดข้างต้น
"ยอมรับ"60 ตัดยอดและความน่าเชื่อถือโดยเฉลี่ยทั่วทั้งหมด datasets
ก็ดี ด้วยการออกแบบบางอย่างเฉพาะที่มีความน่าเชื่อถือมากขึ้น มัน
เป็นเร็ว ๆ ว่า ข้อมูล bugs–fruit ผลหนึ่งต่ำสุด
reliabilities โดยรวม ซึ่งนำไปสู่สถานการณ์ที่ค่อนข้างผิดปกติ
exemplar ของกระบวนทัศน์กำลังแข็งแรงน้อยกว่าของโปรแกรมประยุกต์ นี้
อาจเนื่องมาจากการศึกษาอื่น ๆ ประเมินประเภท (เช่น ดำ และ
ใบหน้าสีขาว) ซึ่งทั้งสองเป็นประเภทสูงกว่า (e.g.,
race) นี้ช่วยให้ง่ายงานเนื่องจากมันเกี่ยวข้องกับการพิพากษาใน
มิติเดียวที่เกี่ยวข้อง (& De Houwer De Bruycker, 2007) .
ด้วยเหตุผลใด แสดงผลหัวข้อและสิ่งเร้าที่
ช่วยมากเพื่อความน่าเชื่อถือของการ GNAT ผลลัพธ์เหล่านี้
ให้ความเชื่อมั่นที่ GNAT ห้องวัดความชัดเจน
กำหนดโครงสร้างได้ดีน่าเชื่อถือ
2 บล็อกแตกต่างคะแนน
จะได้รู้จักกัน (เช่น พระ 1963) ซึ่งความแตกต่างคะแนน
โดยทั่วไปมี reliabilities ต่ำกว่าของคอมโพเนนต์คะแนน

ผลลัพธ์ (ไทย) 3:

ยิ่งไปกว่านั้นยังมีขนาดใหญ่กว่าคะแนนสูงสุดอย่างต่อเนื่องในช่วงครึ่งปีหลังของ
แต่ละบล็อกมีหลักฐานการส่งผลการเรียนการสอนเป็นอย่างมาก นักวิจัยกำลัง
ซึ่งจะช่วยกระตุ้นให้ในการพิจารณาการปฏิบัติและบล็อกของความยาวในการออกแบบสิ่งเล็กๆน้อยๆ
ของพวกเขา.
ในขณะที่สัมพันธ์เชิงสูงเป็นอย่างมากและต่ำเป็นอย่างมากบางคนตั้งข้อสังเกตที่สูง
ซึ่งจะช่วยในการเผยแพร่ rassh ผู้เผยแพร่ที่อยู่ใกล้กับ
เพื่อสมมาตรเกี่ยวกับหมายถึง(และเกาะกลางถนน)และแสดงผลค่อนข้าง
ซึ่งจะช่วยกระจายตัวอยู่โดยรอบขนาดเล็ก รูปแบบนี้ผลการแสดงว่าในขณะที่การใช้ครั้งเดียว
ซึ่งจะช่วยแบ่งออกเป็นหนึ่งในการคำนวณความน่าเชื่อถืออาจส่งผลให้ในจำนวนมากกว่าหรือเป็น
แยกเดี่ยวแบบสุ่มที่จะให้ผลตอบแทนประมาณการโดยปราศจากอคติที่โดยทั่วไปแล้ว
ของทั้งสองข้างหมายความว่าแบบแยกพื้นที่ทั้งหมดได้อย่างน่าอัศจรรย์
อาจจะใช้วิธีการ/แม้จะแยกเศษข้าว
ตามมาตรฐานเป็นอย่างมากความน่าเชื่อถือความเหมือนประมาณการไว้เพื่อเฉลี่ย rassh ถึงแม้ว่าจะมีการประเมินโดย rassh
โดยรวมสูงขึ้นเล็กน้อยและมีความหลากหลาย ภายใน
ซึ่งจะช่วยให้การศึกษา ในขณะที่แยกออปติคัลไดร์ฟ/แม้แต่ที่ไม่สามารถส่งผลให้เกิดข้อผิดพลาดในจำนวนมาก(เป็น
ดังจะเห็นได้จากหางของการกระจาย rassh )ผลการทดสอบนี้ชี้ให้เห็นว่าการดำเนินการนี้
ซึ่งจะช่วยได้ไม่เกิดขึ้นสำหรับ datasets อยู่ ภายใต้ ข้อพิจารณา.
เป็นไปได้ว่าที่แปลกแยก/แม้จะเป็นวิธีการที่สามารถทำได้แต่
rassh ที่ควรจะเป็นที่ต้องการไม่ได้และมี ประสิทธิภาพ มากขึ้นเพื่อ
การสุ่มตัวอย่างหรือมีสิ่งผิดปกติหรือไม่.
เป็นไปตามที่คาดไว้ความน่าเชื่อถือที่หลากหลายเป็นฟังก์ชันที่สิ่งเล็กๆน้อยๆของความยาวและเนื้อหา
ซึ่งจะช่วยบล็อก พร้อมด้วยยกเว้น"ผลไม้ที่ดี"และ"คนดี"
ช่วงตึก,ความน่าเชื่อถือที่ rassh ตัวเลขประมาณการดังกล่าวข้างต้นที่
"ที่เป็นที่ยอมรับ".60 ตัดและความน่าเชื่อถือโดยเฉลี่ยที่อยู่ทางฝั่งด้านตรงข้าม datasets ทั้งหมด
เป็นที่ดีพร้อมด้วยการออกแบบเฉพาะบางห้องที่มีความน่าเชื่อถือที่ดีเป็นอย่างมาก
ซึ่งจะช่วยให้มีน่าสังเกตว่าข้อมูลรวมทั้งบัก - ผลไม้ข้าวหนึ่งในไว้วางใจ
โดยรวมแล้วต่ำสุดซึ่งนำไปสู่สถานการณ์ที่ไม่ปกติเป็นของกําหนดปัญหา
กระบวนทัศน์ของไม่ดีกว่าแอปพลิเคชันของบริษัท นี้
อาจเป็นเพราะการศึกษาการประเมินผล ประเภท อื่นๆ(เช่นสีดำและ
สีขาวหันหน้าเข้าหา)ซึ่งทั้งสองเป็นของ ประเภท ระดับสูง(เช่น
การแข่งขัน) ซึ่งจะช่วยเพิ่มความสะดวกงานนี้เพราะมันมีความเกี่ยวข้องกับคำพิพากษาใน
ซึ่งจะช่วยเพียงหนึ่งขนาดที่เกี่ยวข้อง( de houwer & de bruycker 2007 )..
ไม่ว่าจะด้วยเหตุผลผลลัพธ์ที่แสดงว่าหัวข้อและมาตรการกระตุ้น
ซึ่งจะช่วยทำให้ลดความน่าเชื่อถืออย่างมากในการที่ของสิ่งเล็กๆน้อยๆที่ ผลการทดสอบนี้
ซึ่งจะช่วยให้มั่นใจได้ว่าสิ่งเล็กๆน้อยๆได้รับการออกแบบเป็นอย่างดีสำหรับการวัดได้ชัดเจน
สร้างที่กำหนดจะมีคะแนนสูงสุดความแตกต่างที่ดีความน่าเชื่อถือ

สองบล็อกมี(เช่นพระ 1963 )ที่คะแนนความแตกต่าง
โดยทั่วไปแล้วมีไว้วางใจต่ำกว่าคะแนนคอมโพเนนต์มานาน