IES の人々からのアイテムで、このスペースの読者の間で興味があるかもしれません。教育研究に対する考え方の多くを支えているのはこの種の神話であるため、私がこの議論に特に興味を持っていることはわかっています。もう 1 つの例は、What Works Clearinghouse に保管されている研究の「ゴールド スタンダード」です。

IES ディレクターから: 統計的に有意であることが意味があるとは限らない 私たちの最初の統計コースから始めて、私たちのほとんどは、意味のある違いや変化がない場合に、ランダムな変動によりグループ間の違いや時間の経過による変化を誤認する可能性があると教えられました。すべての測定にはある程度のランダムな誤差が含まれます。つまり、ランダムに騙されて、実際の値の意味のある違いを反映していない見かけ上の違いに過大な評価を与えてしまう可能性があります。こうした間違いを最小限に抑えるために、私たちは p 値を計算して「統計的有意性」を評価するように教えられます。私たちの多くは、p 値 < .05 (教育や他の多くの分野で統計的有意性を示す明るい線として機能します) は、データに見られる差異が存在する可能性が 5% 未満であることを示していると信じ込まされてきました。偶然のせいで。 残念ながら、それは p 値が意味するものではありません。として アメリカ統計協会は何年も警告してきた、p 値は、結果が偶然によるものである確率に直接変換されません。 (読者はぜひチェックしてください ASAの声明 およびそれに付随する解説。) さらに、p 値や統計的有意性の検定では、効果の大きさや違いが教育的なものであるかどうかについては何も語られません。 意味のある。大規模なサンプルでは、​​統計的に有意な差は些細なものである可能性があります。少数のサンプルでは、​​実質的に重要な差異が統計的有意性に達しない可能性があります。 どうすればもっと良くなるでしょうか？以下では、Brian Gill と私が、データの誤解につながる p<.05 の明線からフィールドを遠ざけながら、ベイジアン統計がどのように最近の NAEP 結果をよりよく理解するのに役立つのかについて説明します。 ブログ全文を読む. 米国教育省の一部である教育科学研究所は、厳格で独立した教育研究、評価、統計、および評価のための国内有数の情報源です。

訪問することで ニュース速報 サインアップしてから情報を受け取ることもできます IES とそのXNUMXつのセンター NCES, NCER, NCEE、＆ NCSER 教育科学研究所（IES）内のすべての活動に遅れないようにする。