Jenifer Moore

Odpowiedni roczny post?p Jenifer Moore

Celem tego badania bylo ustalenie, czy zmienne zawarte w karcie sprawozdania Mississippi wykorzystywanej do obliczania AYP mog? byc wykorzystane do przewidywania z dokladno?ci? wi?ksz? ni? ta, któr? mo?na przypisac przypadkowi, czy Mississippi LEAs osi?gnie odpowiedni roczny post?p w czytaniu i matematyce z wykorzystaniem techniki regresji logistycznej. Dodatkowym celem tego badania jest okre?lenie, czy wl?czenie dodatkowej zmiennej dotycz?cej proporcji nauczycieli w ka?dym Mississippi LEA z jednorocznym certyfikatem nauczycielskim mo?e znacz?co zwi?kszyc sil? obja?niaj?c? modeli regresji logistycznej. Badanie to wykazalo, ?e wykorzystuj?c zmienne wykorzystywane do obliczania AYP, mo?na z powodzeniem wykorzystac model predykcyjny do klasyfikacji Mississippi LEA, które osi?gn? i nie osi?gn? AYP w czytaniu i matematyce z dokladno?ci? wi?ksz? ni? mo?na przypisac przypadkowi. Badanie to wykazalo równie?, ?e wl?czenie zmiennej odpowiadaj?cej procentowi nauczycieli w LEA z jednoroczn? licencj? nauczyciela nie zwi?ksza dokladno?ci predykcyjnej modelu.