電腦化交替性注意力測驗 (Computerized Alternating Attention Test, CAAT) 分析結果

CAAT 分析結果不盡理想，測驗的隨機測量誤差及練習效應大，發表的可能性較低，未來需接續修改測驗（可能包含：測驗流程、內容、或收案流程等）。研究方法及結果概述如下

• 收案流程：

以CAAT重複施測中風個案4次，每次間隔一週。

• CAAT簡介：

測驗建構：交替性注意力

測驗規則：請受測者依據CAAT畫面正中間的刺激物不同，交替使用二種不同規則作答。二種作答規則分別為：一、判斷二個形狀是否相同；及二、判斷是否形狀為正方形（詳細介紹請見部落格文章「電腦化交替性注意力測驗發展進度」）。

測驗題數：CAAT含練習題及正式測驗二部分。練習題共56題，其中共有27題須受測者轉換作答規則（如上一題請受測者判斷形狀是否相同，下一題卻轉換成請受測者判斷是否為正方形）；正式測驗48題，其中共有27題須受測者轉換作答規則。

完成測驗時間：受測者完成正式測驗約需3~5分鐘。

• 資料分析及結果

以下分析之測驗指標為「需規則轉換題目的平均作答時間（秒）」（意即上述27題之平均反應時間）。

再測一致性：4次評估整體之ICC=0.67。相鄰二次評估之ICC=0.77~0.92，隨著評估次數增加而遞增。

隨機測量誤差：4次評估整體之SEM%=22。相鄰二次評估之SEM%=10~23，MDC%=28~64。SEM%及MDC%皆隨著評估次數增加而遞減。

練習效應：相鄰二次評估之SRM=0.20~0.36，隨著評估次數增加而遞減。

• 未來修改方向

1. 參考其它交替性注意力測驗所使用之指標，或有較穩定的指標可做為CAA評估結果。
2. 調整測驗說明或練習題的形式，以利受測者盡快熟悉測驗，減少因不熟悉規則而亂猜，進而造成的隨機測量誤差。此外，使受測者盡快瞭解/熟悉作答規則亦有利於減少練習效應。

杜克大學英文寫作技巧分享

杜克大學英文寫作技巧分享：

1.      主詞及動詞 (Subjects and Actions)

·         原則一：把句子的動作放在動詞 (put actions in verbs)

• 科學寫作中應盡量免使用「名詞化的動詞」表達句子中的動作。

Ø   「名詞化的動詞」為由動詞變形而來的名詞（如 analyze 與 analysis）。

Ø   句子中使用「名詞化的動詞」後，該句子中的動詞將不是作者主要想表達的動作，如此一來將造成讀者閱讀理解的困難。

Ø   例句：
We performed an analysis on the data. (X 使用「名詞化的動詞」)
We analyzed the data. (O)

Ø   「名詞化的動詞」適用於：簡述上一個句子的動作，以達到承接上個句子的作用。
例如：We analyzed the data. This analysis demonstrated the need for additional experiments.

·         原則二：把句子的主角放在主詞 (put characters in subjects)

• 考量句子主要描述的事物是什麼，而句子主要描述的事物就是主詞。
• 同一段落中句子的主詞盡量一致、類似或有邏輯上的關係。

·         原則三：主詞盡量靠近動詞 (Keep subjects near verbs)

2.      段落/句子的連貫及強調 (Cohesion, Coherence, and Emphasis)

·         把新的訊息放在句子後面

• 新的訊息指「讀者不熟悉」或「文章中還沒出現過」的概念或名詞。
• 擺在句子最後面的新訊息具有強調的效果，讀者通常會特別注意句子最後的訊息。

·         謹慎地使用被動式

• 被動式的句子有兩個特徵：一、主詞的位置改變；二、作出行為的主詞可能被省略。
• 可省略的主詞：一、讀者容易瞭解是誰作出行為；二、作出行為的主詞不重要，如方法段落的重點在於研究方法而不是誰執行研究。
• 被動式的使用時機：有利於「把新的訊息放在句子後面」。

·         確保段落的第一句與最後一句彼此呼應

3.      簡化 (Concision and Simplicity)

·         句子的結構才是讀者理解句子容易與否的關鍵，未必是句子的長度或複雜程度。

·         省略不必要/冗長的字或片語

·         使用較簡單的單字

• 若詞意相同的兩個（或多個）單字，盡量選用較潛顯、常用的單字。

·         使用較簡單的主詞

• 如果主詞的結構或內容很複雜，可考慮把句子拆成幾個較簡單的句子，或者移除主詞中不重要的字詞。
• 主詞太複雜會使讀者不易理解句子的重點，且主詞與動詞相隔太遠。

·         使用適當的形容詞及副詞

• 無須同時使用兩個（或多個）詞意可以互相取代的形容詞/副詞，如”a new and novel drug”。
• 同一個句子避免使用多個保留的字詞。
  如：”These results suggest that our method may possibly identify putative enhancer elements.”
• 避免使用過度誇大研究結果的形容詞/副詞。
  如：extremely / very

請教王文中老師之IRT相關問題

1. 樣本代表性 vs sample independence

IRT的特點之一為：模型估計出來的題目難度參數具sample independence。然而sample independence的特點是建立在「樣本具代表性，包括樣本數大，且能力分佈廣」的前提之下。
請問若樣本之能力分布較侷限（如能力極好、極差的樣本較少）的情況下，估計出來的題目難度參數是否能具有sample independence之特性？

實務上的例子：使用急性中風病人（動作能力通常較差）估計出來的動作題目參數，可否應用於慢性中風病人（動作能力通常因恢復或復健而變得較好）？

2. dependent samples 可否一起分析？對於參數估計或統計檢定是否會有影響？

Rasch model的assumptions中沒有sample independence，是否意味著我們可以把同一群病人在不同時間點的評量結果，合併成一筆資料進行unidimensional Rasch analysis？
（換句話說，同一位病人的評量結果可能重複出現在同一筆資料中多次）


王文中老師課後重點紀錄：

1. infit & outfit 判斷標準訂定嚴苛或寬鬆，需考量工具之使用目的及重要性。如評估工具使用之目的影響深遠，如大學入學考試，則須採取嚴苛之標準。0.6~1.4仍屬於較寬鬆之標準。
2. DIF和invariance意義大致相同，DIF為IRT研究者習慣用法；invariance則為SEM研究者習慣用法。然而二者仍有些微差異：DIF特別指題目在不同族群之難度是否有差異；invariance則不僅限於題目難度在不同族群的差異 (例如在不同族群是否有相同的factors)。
   此外，若有DIF或variance時，需進一步思考這樣的現象為什麼會產生，以及是否合理。
3. measurement invariance處理方法：(1) 在有DIF的族群不評估該題目（但不同族群仍必須要有共同的題目！）；(2) 看看有問題的題目跟其它題重複評估之結果是否有差異。例如其它題目都隨著評量次數增加而題目難度估計值越來越低，但有些題目則相反，這些相反的題目可能就有問題；(3) 如果全部測驗的題目不多，而測驗的使用目的又不是高風險，則還是可考慮保留該題目。
4. Rasch analysis VS CFA
   Rasch analysis及CFA之理論、假設皆不相同，因此不宜也不需要直接比較！
   此外，CFA需假設variables的scale是正負無限大，這樣的假設難以符合真實情境。
5. 多參數IRT模型的原始分數及thita不是一對一的對應關係，主要原因為：多參數模型有加權（如猜測度及鑑別度），因此原始分數不是thita估計的充分統計量！
   反之在單參數模型中，知道受測者能力 (b)就可以估計出thita，因此原始分數是thita估計的充分統計量！
6. staging （分級）
   (1 )考量臨床上是否有分級的需求，例如分類個案的嚴重程度以進行不同的治療等。
   (2) 若要分級，則需要在題目設計以前就先決定分級時要分幾級，並設定各級的特性（如不能走路、不能站及臥床等）。接著再依據各級的特性，設定符合這些等級的題目及計分方式，以篩選出符合各個等級的受試者。
7. sample independence VS sample representation
   使用有代表性的樣本估計出來的參數才具有sample independence的特性！因此找樣本時盡量廣泛的蒐集（如各地區、各年齡層等），且重複驗證在很多樣本後，發現參數的確都沒有太大的差異，此時才可做出sample independence的推論。
8. 同一群個案不同時間點的資料是否可一起分析？
   若確保來自不同時間點的資料彼此獨立，學理上就可以一起分析，然而這些資料通常很難確保彼此獨立，例如練習效應、熟悉度、心理動機或疲勞等。
9. Disordering
   影響：
   disordering表示有些分數點沒有發揮其功能，因此降低該題可以提供的訊息量。因此會影響題目的訊息量及信度（若合併disordering的題目信度會下降）。
   不影響：
   (1) 不影響Rasch model中Rasch score與原始分數一對一對應的特性，且原始分數越高，Rasch score也越高。
   (2) 不影響model fitting的結果。
   處理：可選擇不處理，因為在某一群樣本有disordering的現象不代表在其他族群也有，且處理後會降低訊息量！
   

第四十五次網球心得

之前很少練習打高於肩膀高度的球，因此每次遇到這種球就只能往空中抽球，導致對方也變得難以回擊。
這次網球課練習回擊約肩膀高度的球。回擊這種球的要領在於事先預測球的飛行軌跡及掉下來的高度。因為這樣的球通常飛行速度不快，所以有較充裕的時間移動。
準備擊球時，拉拍的高度需高於肩膀，揮拍時由後往前直線向前揮即可。
球拍與球接觸時須保持球拍面垂直於地面，否則球易掛網或飛出場外。

ICC值較不受樣本SD改變所影響，但SEM則易受到SD改變所影響!?

以下是模擬資料分析之結果：

ID	T1	T2		10*T1	10*T2
1	-10	-20		-100	-200
2	-8	-16		-80	-160
3	-6	-12		-60	-120
4	-4	-8		-40	-80
5	-2	-4		-20	-40
6	0	0		0	0
7	2	4		20	40
8	4	8		40	80
9	6	12		60	120
10	8	16		80	160
Mean	-1	-2		-10	-20
SD	6.1	12.1		60.6	121.1

以T1, T2算出來之ICC值為0.8，與以10*T1, 10*T2算出來的ICC值相同！

因為計算ICC值時，其分子分母放大之倍數相同，最後達到之ICC值相同。

此結果意味著ICC值較不受到樣本SD改變之影響。

但以T1算出來之SEM值為4.9，而以10*T1算出來的SEM值為48.8，

二者相差10倍!由於10*T1, 10*T2之SD分別為T1, T2之SD的10倍。

此結果意味著SEM值會受到樣本SD改變之影響。

評估工具之適用性(feasibility)評判之向度分歧且缺乏評判之標準

MeSH TERM對於適用性研究 (feasibility studies )之定義為：「探索【優缺點】、【可行性 ( practicability)】、或【研究/研究計畫可被完成程度】等相關之研究」。

評估工具之適用性則代表評估工具施測之優缺點或可行性。

然而目前研究上對於「評估工具之適用性」該依據哪些向度評量（如評估所需時間、題目可讀性等）莫衷一是，甚至常常南轅北轍。
至於各個「評估工具之適用性」評量向度的評判標準更是少見...

這將造成臨床及研究人員難以評判評估工具之適用性好壞，進而無法選擇最適用於其環境或需求之評估工具。

也許可以進行「評估工具之適用性」相關研究，已建立評判評估工具之適用性之framework!
如搜集施測者及施測者使用不同型式之測驗（問卷或操作型）時，其認為哪些向度是重要的「評估工具之適用性」評析向度，並調查其認為可接受之標準。
甚至依據調查之結果編制一「評估工具之適用性」之評估工具。

第四十三 & 四十四次網球心得

這二次課程的重點分別為截擊及底線抽球。

上次雙打比賽時常無法掌握截擊的站位；以及無法精準地判斷截擊時機，有些球應該是截擊者要截擊的球卻放掉...因此教練針對這二個較弱的環節加強練習。
此外還學了一項新的技巧：截擊反手高球。須以forearm supination的方式將球壓下，使球以類似殺球的方式直墜入球場。

底線抽球雖然教練常教，但每次練習還是有不同的體會跟收穫。隨著對於正手抽球的動作越來越熟悉，教練要求我們抽球的目標逐漸由"全力抽球"變成"控制球的過網高度及落點"。需特別注意的是，有時候為了控球反而導致揮拍動作做得不完整，但這反而會造成控球更糟的惡性循環！