We picked the first (¯x1), fourth (

We picked the first (¯x1), fourth (¯x4), and eighth (¯x8) moving
average values to compare and check for significant effects of
training. Each of these moving averages represents the initial,
middle, and final parts of the training. One-way repeated measures
analysis of variance (RM-ANOVA) [29] was run for each
robot-measured metric independently to find the significance
level (α = 0.05). For pairwise comparison, dependent t-test
with Bonferroni–Holm correction [30] was used to find the
significance level of each measurement. All statistical analysis
was performed in the Statistical Package for the Social Sciences
(IBM statistics, Version 20). However, for short training,
no significant level was found: success ratio of task 1 (p =
0.402), success ratio of task 2 (p = 0.201), velocity of task 1
(p = 0.189), velocity of task 2 (p = 0.360), path length (p =
0.218). We used the same statistical procedure for robotic/
clinical long-term measures.

ผลลัพธ์ (ไทย) 1:

เราเลือกครั้งแรก (¯x1), สี่ (¯x4), และแปด (¯x8)ค่าเฉลี่ยเพื่อเปรียบเทียบ และตรวจสอบผลกระทบที่สำคัญของการฝึกอบรม แต่ละการย้ายค่าเฉลี่ยเหล่านี้แสดงถึงการเริ่มต้นส่วนกลาง และสุดท้ายของการฝึกอบรม มาตรการเดียวซ้ำ ๆรันสำหรับแต่ละการวิเคราะห์ความแปรปรวน (RM-ANOVA) [29]วัดวัดหุ่นยนต์อย่างอิสระเพื่อค้นหาความสำคัญระดับ (α = 0.05) สำหรับเปรียบเทียบแพร์ไวส์ ขึ้นอยู่กับ t-ทดสอบมี Bonferroni – Holm [30] การแก้ไขถูกใช้เพื่อค้นหาการระดับความสำคัญของแต่ละวัด การวิเคราะห์ทางสถิติทั้งหมดดำเนินการในแพคเกจทางสถิติสำหรับสังคมศาสตร์(IBM สถิติ รุ่น 20) อย่างไรก็ตาม สำหรับ อบรมพบระดับไม่สำคัญ: อัตราความสำเร็จของงาน 1 (p =0.402) อัตราความสำเร็จของงาน 2 (p = 0.201), ความเร็วของงาน 1(p = 0.189), ความเร็วของงาน 2 (p = 0.360), ความยาวเส้นทาง (p =0.218) . เราใช้กระบวนการทางสถิติเดียวกันสำหรับหุ่นยนต์ /มาตรการระยะยาวทางคลินิก

ผลลัพธ์ (ไทย) 2:

เราเลือกแรก (x1) สี่ (X4) และแปด (x8) ย้าย
ค่าเฉลี่ยในการเปรียบเทียบและตรวจสอบผลกระทบอย่างมีนัยสำคัญของ
การฝึกอบรม แต่ละค่าเฉลี่ยเคลื่อนที่เหล่านี้แสดงให้เห็นถึงการเริ่มต้น,
กลางและชิ้นส่วนสุดท้ายของการฝึกอบรม วิธีการหนึ่งที่วัดซ้ำ
การวิเคราะห์ความแปรปรวน (RM-ANOVA) [29] กำลังวิ่งสำหรับแต่ละ
หุ่นยนต์วัดเมตริกอิสระเพื่อค้นหาความสำคัญ
ระดับ (α = 0.05) สำหรับการเปรียบเทียบจากจำนวนขึ้นอยู่กับ t-test
กับ Bonferroni-Holm แก้ไข [30] ถูกนำมาใช้เพื่อหา
ระดับความสำคัญของแต่ละวัด ทั้งหมดการวิเคราะห์ทางสถิติ
ที่ได้ดำเนินการในแพคเกจทางสถิติสำหรับสังคมศาสตร์
(สถิติ IBM, รุ่น 20) อย่างไรก็ตามสำหรับการฝึกอบรมระยะสั้น
ไม่มีระดับนัยสำคัญก็พบว่าอัตราส่วนความสำเร็จของงานที่ 1 (p =
0.402) อัตราส่วนความสำเร็จของงานที่ 2 (p = 0.201) ความเร็วของงานที่ 1
(p = 0.189) ความเร็วของงานที่ 2 (P = 0.360) ความยาวเส้นทาง (p =
0.218) เราใช้ขั้นตอนทางสถิติเช่นเดียวกันสำหรับหุ่นยนต์ /
มาตรการระยะยาวทางคลินิก

ผลลัพธ์ (ไทย) 3:

เราเลือกก่อน ( ¯ x1 ) , 4 ( ¯ x4 ) และ 8 ( ¯ X8 ) เคลื่อนที่ค่าเฉลี่ยเปรียบเทียบและตรวจสอบผลกระทบของการฝึกอบรม แต่ละเส้นค่าเฉลี่ยเหล่านี้เป็นครั้งแรกกลาง และส่วนสุดท้ายของการฝึก วิธีหนึ่งในการวัดซ้ำการวิเคราะห์ความแปรปรวน ( rm-anova ) [ 29 ] ใช้สำหรับแต่ละหุ่นยนต์วัดระบบเมตริกอิสระเพื่อหา .ระดับ ( α = 0.05 ) สำหรับการเปรียบเทียบคู่ , dependent t-testกับเกาะบอนเฟอร์โรนี–แก้ไข [ 30 ] พบระดับของการวัดแต่ละครั้ง การวิเคราะห์สถิติทั้งหมดแสดงในโปรแกรมสำเร็จรูปทางสถิติสำหรับสังคมศาสตร์( สถิติ , IBM รุ่น 20 ) อย่างไรก็ตาม การฝึกอบรมระยะสั้นไม่มีระดับ พบว่าอัตราส่วนความสำเร็จของงาน ( p = 1อัตราส่วนความสำเร็จของงาน 0.402 ) , 2 ( p = 0.201 ) , ความเร็วของงาน 1( p = 0.189 ) , ความเร็วของงาน 2 ( P = 0.360 ) , ความยาวของเส้นทาง ( P =0.218 ) เราใช้ข้อมูลเดียวกันสำหรับหุ่นยนต์ /มาตรการระยะยาวทางคลินิก