:::
資料庫查詢時間：391.1762 ms
共 1877 筆資料，
每頁顯示
筆資料
縮小搜尋結果範圍
適用年級
媒體形式
排序方式：
關鍵字 |
搜尋次數 |
關聯性
:::
你是不是要搜尋以下結果
|
自足式特殊班
瀏覽人次:0
收藏人次:0
特殊教育的實施因特殊學生的學習能力與障礙程度的差異而採取不同的型態；「自足式特殊班」僅是特殊教育型態中之一種。
自足式特殊班是為便利教育某一類型需要相近的特殊兒童，而在普通學校、教養機構或醫療機附設的班級。這個班級有固定的學生，一班約有六名至十二名的學生，且全部時間在該班級中進行學習；教師則屬包班制。國小自足式特殊班每班編制教師二名，負擔該班全部的教學責任。 自足式特殊班與普通班最大的不同，在於該班聘用接受過特殊教育專業訓練的特殊教育教師擔任教學活動，並採用適用於特殊學生教學的課程與教材，以及配置有特殊教學的儀器設備、器材與教具。 在我國自足式特殊... |
|
特定
瀏覽人次:0
收藏人次:0
特別指定或劃定。如：「他的繼承人早已有特定人選，你們不必再為此事爭吵了。」
|
|
瑪格麗特
瀏覽人次:0
收藏人次:0
瑪格麗特目錄1 基本資料2 介紹2.1 莖2.2 葉2.3 花2.4 果實3 參考書目4 關鍵字 基本資料學名：Chrysanthemum frutescens L.英文名：Paris Daisy、Marguerite別名：蓬蒿菊、瑪格麗特、艾蒿菊、延命菊、法蘭西菊、小牛眼菊等植物分類：菊科 ( Compositae )菊屬(Chrysanthemum)（註1）園藝分類：多年生草本植物原產地：澳洲等地區花色：白色、黃色、粉紅色等花期：全年開花，而其...
|
|
曼－惠特尼U考驗
瀏覽人次:0
收藏人次:0
曼－惠特尼U考驗是一種無母數統計(nonparametric statistics)考驗，可使用於兩個獨立樣本且資料樣本是屬於次序變數時。可見U考驗只相當於平均數是否相等的考驗，和變異數是否相等的考驗，但兩者不可同時進行。
一.平均數的考驗 （一）適用資料：如果我們有兩組獨立樣本，而未能滿足t考驗的常態分配基本假定時，最常使用曼－惠特尼U考驗來替代t考驗。 （二）基本假定：1.兩母群都是連續分配，而且變異程度相同。2.兩樣本都是隨機樣本，樣本大小分別為n1和n2。 （三）虛無假設：兩個樣本來自同一個母群或平均數相同的母群。 ... |
|
〔李克特量表〕
瀏覽人次:0
收藏人次:0
李克特量表是由李克特(Rensis Likert)於一九六二年所創；量表的內容係由一些敘述所組成，每一個敘述均涉及一個人對某一對象所持的態度。
李克特量表的敘述具有兩種類型，一種是表示對某一對象之正向或喜好的態度，稱為喜好的敘述；另一種則代表對某一對象之負向或不喜好的態度，稱為不喜好的敘述。一般而言，一分典型的李克特量表應含有等量之正向與負向的敘述。 李克特量表是一種總和評定量表(summated scales)，評測的結果代表一個人對每一個敘述所持的贊同程度或態度。通常李克特量表中的每一個敘述均含有五個反應選目，「完全同意」、「同意」、「不確定」、「不同意」及... |
|
懷特(Weiner)的歸因論
瀏覽人次:0
收藏人次:0
目錄1 1. 懷特歸因論的形成2 2. 懷特的三向度歸因論3 3. 懷特的歸因論在教育上的涵意4 4. 懷特歸因理論的摘要5 關鍵字6 參考資料 1. 懷特歸因論的形成(1) 社會心理學家海德:情境歸因、性格歸因。(2) 社會心理...
|
|
智能障礙兒童的身心特質
瀏覽人次:0
收藏人次:0
域也確實有某些優勢表現，以下概要從智能障礙兒童的生理、學習、社會及行為等三方面來看。目錄1 一、生理特質2 二、學習特質3 三、社會及行為特質4 關鍵字5 參考資料: 一、生理特質1. 神經系統:有些智能障礙兒童係因為發展中的中樞神經系統受到損傷，以致於失去
|
|
大錯特錯
瀏覽人次:0
收藏人次:0
形容所犯錯誤到達極點。《孽海花》第二五回：「條約祇有三款，第二款兩國派兵交互知會這一條，如今想來，真是大錯特錯！」
|
|
特質焦慮
瀏覽人次:0
收藏人次:0
特質焦慮是屬於一種長期性的不舒服情緒狀態，已成為個人的心理傾向或人格特質之一，所以並不全是受到情境因素影響的焦慮。特質焦慮會使人在許多情境中都感受到普遍性的緊張或不安；長此以往，會影響生活適應，產生若干心理疾病。特質焦慮可能是在不良的幼年生活環境（例如無法得到父母的愛）中形成的。史匹柏格(C.D. Spielberger)，高沙克(R.L. Gorsuch)及魯許(R.E. Lushene)等人在一九七○年所編製的﹝狀況（情境）－特質焦慮量表﹞(State-Trait Anxiety Inventory, STAI)中的［特質焦慮量表］(A-Trait)可以測量特質焦慮。量表中的題目主要在...
|
|
特徵選取
瀏覽人次:0
收藏人次:0
特徵選取（feature selection），又稱子集選取（subset selection），通常使用於機器學習領域，乃是結合學習演算法，依據特定的效能評估指標，從原有的特徵集合中挑選出具有鑑別能力且有效的特徵，藉以決定最佳的特徵子集合，使其效能指標達到最佳化的過程。簡單來說，特徵選取是希望盡量在無損於學習演算法效能的情況下，過濾掉沒有效用、不具有關鍵影響力，以及有著重複或類似鑑別能力的雜訊特徵，最後僅保留下真正對效能指標有影響的特徵，以達到降低特徵空間（feature space）維度（即，特徵數量）的目的。此舉不但能夠減少學習演算法計算時的複雜度，提高機器學習的效率，還可以進一步提升效...
Dash, M., & Liu, H. (1997). Feature selection for classification. Intelligent Data Analysis, 1(1-4), 131-156.Liu, H., & Motoda, H. (1998). Feature extraction, construction and selection: A data mining perspective. Norwell, MA: Kluwer Academic Publishers.Liu, H., & Motoda, H. (1998). Feature selecti...
|
 曾經查過此詞彙的人也經常查詢以下字詞： |
貓頭鷹博士
貓頭鷹博士