一週瀏覽器分頁

更新於 發佈於 閱讀時間約 14 分鐘

諸君:

今天的主題是:「一週瀏覽器分頁」。(2023-08-23)

對很多人來說,一週的瀏覽器分頁,可能就像購物車清單一樣,是有點私密、而且能反映出一個人最近狀態的東西(當然不會全部列出來)。我覺得紀錄這件事能幫助我消滅一堆開著的分頁、而且能幫助我記下一些重要的思緒、或是文獻。所以我覺得可以嘗試看看。以下的東西我只經過簡單處理,有格式錯誤就算了。

## Ideas


## Papers

(irt, lsirm)

  • 通過 Pólya-Gamma 分布的邏輯試題反應模型的 Gibbs 采樣器: 一種計算高效的數據增量策略。
    Jiang, Z., & Templin, J. (2019). Gibbs samplers for logistic item response models via the Pólya–Gamma distribution: A computationally efficient data-augmentation strategy. Psychometrika, 84(2), 358-374.
  • lsirm12pl: 一個用來做潛在空間試題反應模型的 R 包。
    Go, D., Park, J., Park, J., Jeon, M., & Jin, I. H. (2022). lsirm12pl: An R package for latent space item response modeling. arXiv preprint arXiv:2205.06989
  • 描繪無法觀察到的題目與作答者間交互作用關係:帶有交互作用圖的潛在空間試題反應模型。
    Jeon, M., Jin, I. H., Schweinberger, M., & Baugh, S. (2021). Mapping unobserved item–respondent interactions: a latent space item response model with interaction map. Psychometrika, 86(2), 378-403.
  • 探索反應與反應時間之間條件依賴關系的潛空間擴散項目反應理論模型。
    Kang, I., Jeon, M., & Partchev, I. (2023). A Latent Space Diffusion Item Response Theory Model to Explore Conditional Dependence between Responses and Response Times. Psychometrika, 1-35.
  • 從數據中學習屬性層次: 兩種探索性方法。
    Wang, C., & Lu, J. (2021). Learning attribute hierarchies from data: Two exploratory approaches. Journal of Educational and Behavioral Statistics, 46(1), 58-84.
  • 用項目反應樹模型評估項目特徵效應。
    Böckenholt, U. (2019). Assessing item‐feature effects with item response tree models. British Journal of Mathematical and Statistical Psychology, 72(3), 486-500.
  • 校正極端反應風格:模型選擇的重要性。
    Schoenmakers, M., Tijmstra, J., Vermunt, J., & Bolsinova, M. (2023). Correcting for Extreme Response Style: Model Choice Matters. Educational and Psychological Measurement, 00131644231155838.
  • 評論:探索項目反應樹數據中的條件依賴關係。
    Jeon, M. (2023). Commentary: Explore Conditional Dependencies in Item Response Tree Data. Psychometrika, 1-6.
  • 反應時間與準確性之間的條件依賴性建模。
    Bolsinova, M., De Boeck, P., & Tijmstra, J. (2017). Modelling conditional dependence between response time and accuracy. Psychometrika, 82, 1126-1148.
  • 研究心理測量數據的順序反應和反應時間的心理過程的建模框架。
    Kang, I., Molenaar, D., & Ratcliff, R. (2023). A Modeling Framework to Examine Psychological Processes Underlying Ordinal Responses and Response Times of Psychometric Data. Psychometrika, 1-35.
  • 認知診斷模型中的潛結構和層次結構學習。
    Ma, C., Ouyang, J., & Xu, G. (2023). Learning latent and hierarchical structures in cognitive diagnosis models. psychometrika, 88(1), 175-207.
  • 測量學習環境中差異成長的廣義縱向混合 IRT 模型。
    Kadengye, D. T., Ceulemans, E., & Van den Noortgate, W. (2014). A generalized longitudinal mixture IRT model for measuring differential growth in learning environments. Behavior research methods, 46, 823-840.
  • 創建二維潛在空間的測驗訊息剖面圖。
    Ackerman, T. A. (1994). Creating a test information profile for a two-dimensional latent space. Applied psychological measurement, 18(3), 257-275.
  • 介紹用 pyBKT 進行貝氏知識追蹤。
    Bulut, O., Shin, J., Yildirim-Erbasli, S. N., Gorgun, G., & Pardos, Z. A. (2023). An Introduction to Bayesian Knowledge Tracing with pyBKT. Psych, 5(3), 770–786. https://doi.org/10.3390/psych5030050
  • 貝氏正則化 SEM:當前能力與限制。
    van Erp, S. (2023). Bayesian Regularized SEM: Current Capabilities and Constraints. Psych, 5(3), 814–835. https://doi.org/10.3390/psych5030054
  • 用於聯合分析的具有 DP 先驗的貝氏半參數潛在變項模型:用 nimble 實現。
    Ma, Z., & Chen, G. (2020). Bayesian semiparametric latent variable model with DP prior for joint analysis: Implementation with nimble. Statistical Modelling, 20(1), 71-95.


(modeling)

  • 在使用 BUGS/JAGS 的混合效應位置尺度模型中模擬人內消極和積極情感變化的個體差異。
    Rast, P., Hofer, S. M., & Sparks, C. (2012). Modeling individual differences in within-person variation of negative and positive affect in a mixed effects location scale model using BUGS/JAGS. Multivariate Behavioral Research, 47(2), 177-200.
  • 具有異質性和偏度的縱向數據的非線性混合效應混合模型的貝氏分析。
    Lu, X., & Huang, Y. (2014). Bayesian analysis of nonlinear mixed‐effects mixture models for longitudinal data with heterogeneity and skewness. Statistics in medicine, 33(16), 2830-2849.
  • 分歧與維度:用 Beta 過程方法估計美國國會的理想點。
    McAlister, K. Disagreement and Dimensionality: A Beta Process Approach to Estimating Dimensionality of Ideal Points in the US Congress.
  • OpenMx 2.0:擴充版結構方程式和統計建模。
    Neale, M. C., Hunter, M. D., Pritikin, J. N., Zahery, M., Brick, T. R., Kirkpatrick, R. M., ... & Boker, S. M. (2016). OpenMx 2.0: Extended structural equation and statistical modeling. Psychometrika, 81, 535-549.
  • 潛在曲線模式和潛在改變分數模式估計用 R。
    Ghisletta, P., & McArdle, J. J. (2012). Latent curve models and latent change score models estimated in R. Structural equation modeling: a multidisciplinary journal, 19(4), 651-682.
  • 貝氏架構下的成長曲線模式適配。
    Oravecz, Z., & Muth, C. (2018). Fitting growth curve models in the Bayesian framework. Psychonomic Bulletin & Review, 25, 235-255.
  • 用於高維資料分析的 Spike‐and‐slab 最小絕對收縮和選擇算子廣義加法模型及可擴展算法。
    Guo, B., Jaeger, B. C., Rahman, A. F., Long, D. L., & Yi, N. (2022). Spike‐and‐slab least absolute shrinkage and selection operator generalized additive models and scalable algorithms for high‐dimensional data analysis. Statistics in Medicine, 41(20), 3899-3914.


(SEL)

  • 社會認知如何影響社會決策。
    Lee, V. K., & Harris, L. T. (2013). How social cognition can inform social decision making. Frontiers in neuroscience, 7, 259.
  • 量表開發研究: 社會情感學習量表--青壯年版本(SELS-YF)。
    ÖZDEMİR, N. K., & Büyükçolpan, H. (2021). A scale development study: Social emotional learning scale-young adult form (SELS-YF). Kastamonu Eğitim Dergisi, 29(4), 205-218.


Remark

See Also


Best,

JW


-客觀測量研究。 -應用統計。 -M is for Measurement.
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
介紹NIMBLE工具,自動抽樣貝氏計算。跨多平台,擴展BUGS語法,速度優於JAGS,尤其混合模型。受生態學家歡迎。參考Beraha等比較,詳閱Nimble用戶手冊及Bayesian分析資源。
諸君: 今天來講:一種 SEM 半自動繪圖工具。()
介紹NIMBLE工具,自動抽樣貝氏計算。跨多平台,擴展BUGS語法,速度優於JAGS,尤其混合模型。受生態學家歡迎。參考Beraha等比較,詳閱Nimble用戶手冊及Bayesian分析資源。
諸君: 今天來講:一種 SEM 半自動繪圖工具。()
你可能也想看
Google News 追蹤
Thumbnail
現代社會跟以前不同了,人人都有一支手機,只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行,然而如今科技快速發展之下,金融App無聲無息地進到你生活中。但同樣的,每一家銀行都有自己的App時,我們又該如何選擇呢?(本文係由國泰世華銀行邀約) 今天我會用不同角度帶大家看這款國泰世華CUB
Thumbnail
嘿,大家新年快樂~ 新年大家都在做什麼呢? 跨年夜的我趕工製作某個外包設計案,在工作告一段落時趕上倒數。 然後和兩個小孩過了一個忙亂的元旦。在深夜時刻,看到朋友傳來的解籤網站,興致勃勃熬夜體驗了一下,覺得非常好玩,或許有人玩過了,但還是想寫上來分享紀錄一下~
Thumbnail
在進行多層次線性模型(MLM)當中,有時候我們不只會加入層次1的預測變項。我們也會想加入層次2預測變項。本文將介紹加入層次2預測變項的各種模型,並解釋其公式和R語言操作方法。因為內容比較多,所以篇幅比較長。 多層次線性模型(MLM),截距是表示所有學校的平均值。斜率是指模型中自變量的係數,表
Thumbnail
Amazon 與 Walmart 提供的後台報表是非常先進的報表,強調在數據中發現洞察並直接給出可行的建議。Google 的第三方 Cookie 保留決定對行銷人員、廣告商及 Martech 工具產生重大影響。Email 成效驗證充滿疑點,應注重「到達率」、「打開率」與「點擊率」。
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
本文提供了一個關於模擬法演算法的問題,介紹了操作指令的格式及其解析。透過程式碼模擬每條指令,找出回到根目錄所需的操作次數。本文詳細說明瞭模擬法的複雜度分析,能夠幫助讀者更好地理解這個問題。
基礎模型 (Foundation Model)的研究真的日新月異, 一兩個禮拜就都有新的工作出來, 看都看不完。 現在的學術工作,就跟快時尚一樣, 每週一三五都會有新品上市。 但人的精力有限, 不可能每一篇論文都能仔細看, 如此,選擇哪些論文仔細讀,就非常重
Thumbnail
本文將展示使用不同激活函數(ReLU 和 Sigmoid)的效果。 一個簡單的多層感知器(MLP)模型來對 Fashion-MNIST 資料集進行分類。 函數定義 Sigmoid 函數 Sigmoid 函數將輸入壓縮到 0到 1 之間: 特性: 輸出範圍是 (0,1)(0, 1)(0,1
Thumbnail
這篇文章詳細解釋了在PLM系統中物件的生命週期管理,並提到了生命週期範本管理和工作流程範本管理的功能。綜合了PLM系統的生命週期和工作流程管理相關知識。
Thumbnail
現代社會跟以前不同了,人人都有一支手機,只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行,然而如今科技快速發展之下,金融App無聲無息地進到你生活中。但同樣的,每一家銀行都有自己的App時,我們又該如何選擇呢?(本文係由國泰世華銀行邀約) 今天我會用不同角度帶大家看這款國泰世華CUB
Thumbnail
嘿,大家新年快樂~ 新年大家都在做什麼呢? 跨年夜的我趕工製作某個外包設計案,在工作告一段落時趕上倒數。 然後和兩個小孩過了一個忙亂的元旦。在深夜時刻,看到朋友傳來的解籤網站,興致勃勃熬夜體驗了一下,覺得非常好玩,或許有人玩過了,但還是想寫上來分享紀錄一下~
Thumbnail
在進行多層次線性模型(MLM)當中,有時候我們不只會加入層次1的預測變項。我們也會想加入層次2預測變項。本文將介紹加入層次2預測變項的各種模型,並解釋其公式和R語言操作方法。因為內容比較多,所以篇幅比較長。 多層次線性模型(MLM),截距是表示所有學校的平均值。斜率是指模型中自變量的係數,表
Thumbnail
Amazon 與 Walmart 提供的後台報表是非常先進的報表,強調在數據中發現洞察並直接給出可行的建議。Google 的第三方 Cookie 保留決定對行銷人員、廣告商及 Martech 工具產生重大影響。Email 成效驗證充滿疑點,應注重「到達率」、「打開率」與「點擊率」。
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
我想要一天分享一點「LLM從底層堆疊的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。 回顧 AI說書 - 從0開始 - 87 說:Wang 等人 2019 年的論文,提供了合理答案的選擇 (Choice of Plausible Answers, COP
Thumbnail
本文提供了一個關於模擬法演算法的問題,介紹了操作指令的格式及其解析。透過程式碼模擬每條指令,找出回到根目錄所需的操作次數。本文詳細說明瞭模擬法的複雜度分析,能夠幫助讀者更好地理解這個問題。
基礎模型 (Foundation Model)的研究真的日新月異, 一兩個禮拜就都有新的工作出來, 看都看不完。 現在的學術工作,就跟快時尚一樣, 每週一三五都會有新品上市。 但人的精力有限, 不可能每一篇論文都能仔細看, 如此,選擇哪些論文仔細讀,就非常重
Thumbnail
本文將展示使用不同激活函數(ReLU 和 Sigmoid)的效果。 一個簡單的多層感知器(MLP)模型來對 Fashion-MNIST 資料集進行分類。 函數定義 Sigmoid 函數 Sigmoid 函數將輸入壓縮到 0到 1 之間: 特性: 輸出範圍是 (0,1)(0, 1)(0,1
Thumbnail
這篇文章詳細解釋了在PLM系統中物件的生命週期管理,並提到了生命週期範本管理和工作流程範本管理的功能。綜合了PLM系統的生命週期和工作流程管理相關知識。