前兩天發的Q姐升學文章意外獲得廣大迴響,沒想到這麼多人對英國的教育有興趣。 因應今天是928教師節,我決定再來詳細解釋一些比較多人提出的疑問,希望對教育話題沒興趣的朋友不要轉台,明天就回歸育兒或裝修或精品了(誤)
#喜歡Q媽英國教育主題的朋友歡迎留言分享啊
首先,文章中提到英國很多小朋友為了準備11+中學升學考,從國小三年級、四年級就請英文/數學家教的大有人在。有網友問:「已經住在英國了,還要請英文家教嗎?就像住台灣請中文家教?」 網友提出的這個問題,我知道絕對沒有惡意,一定很多人都有相同的疑問。 簡單來說,英國的英文考試並不像台灣的國小或國中英文,著重在英文單字/句型/文法;當然這裡的考試也有包含上述幾項,但難度更高更艱深,而且佔比不重。 英國的英文考試,最難的項目在於 #閱讀理解 Reading Comprehension 和 #寫作 Creative Writing or Composition這兩大部分。 其中閱讀理解真的是大魔王,不只要看懂、理解、難的考題甚至還要進一步分析。 用一個更具體的比喻,就好比我們台灣考國文一樣,要看懂理解文言文或古詩,這個要拿高分就有一定的難度了。
所以話題轉回來,如果是英國本地人,在準備考試時也會補英文或是請英文家教嗎? 答案是肯定的。 當然,如果父母有辦法自己摸索或自己教就自己教、沒辦法就只好外包請老師教。我和DDC的英文都並非第一語言,Q姐的英文程度老早就超越我們,所以英文這考科我們完全舉手投降,就幫她找個家教輔助一下。 而且一般來說啊,數學反而是比較容易在短時間內靠刷題或大量練習而進步的科目,英文則是要考長時間的培養,所以 #從小閱讀習慣養成 是非常非常重要的,沒有大量閱讀,上述的閱讀理解和寫作能力真的會很有限!
———
再來,為什麼我們決定讓Q姐去參加11+考試? Q姐從四歲多至今一直都是在快樂學習、沒功課(頂多一週一次10分鐘寫完)、沒考試、沒壓力的公立小學就讀。 學校教的內容大致上是跟著全英提供的課綱進度在走(私立小學則是整體超前1-2年)。Q姐從三年級接近四年級開始,學校會依照學習進度和程度來分table,她英文數學一直都是在Top Table,老師也會另外提供更難的試題給她寫; 再加上Q姐自己也很好學,看到難的題目就很興奮,當時我就覺得她適合走「考試」這條路,也許可以挑戰看看去和更多人競爭,目標放在私立中學或是公立重點學校(Grammar school)
我們大可以選擇念不用考試直接分發的公立學校一路到大學,既輕鬆又省錢,陪小孩一起準備考試最累的絕對是爸媽自己。 但我覺得既然現在我們自己還有能力、還有資源、女兒也願意的情況之下,何不讓她嘗試看看自己的潛力可以被開發到哪裡? 能夠在這個年紀,在不是強壓硬逼的情況之下,慢慢學習處理壓力的能力也是不錯的。 經過這次準備考試的過程,Q姐也知道原來世界這麼大,在英國其他學校、其他區域,存在著更厲害、更優秀、更努力更用功的同儕們。
更何況,以前我考不好還擔心被媽媽罵、考不理想還會被說「一定是妳還不夠用功。」 、到了國中升學期間只能把學了好多年的鋼琴停掉,專心準備聯考。 對比現在,Q姐寫習題寫不好我卻得想法子安撫她的玻璃心,常常都在調整腳步,怕自己給她太大壓力; 音樂、運動部分還是持續在走 (現在她每周都組隊和其他學校打Netball英國女子籃球),不用為了課業放棄。
「這個年頭的父母,比考生還不好當呀! !」
———
最後,有網友想看看英國11+中學升學考究竟在考些什麼? 其實每間學校的考題、題型、考科都不盡相同,但主要準備的大方向就是四個項目:英文、數學、NVR圖像推理邏輯、VR文字推理邏輯。
我隨手分享一些習題和知名中學的考古題(Past Paper),大家可以一起來看看,以10-11歲、台灣小學五年級的年紀來說,是不是很有挑戰性呢?
#今天應景分享教育文
#祝全天下的老師教師節快樂
#也替自己和DDC身為孩子人生中第一個老師的身份鼓勵鼓勵
同時也有1部Youtube影片,追蹤數超過3萬的網紅孫在陽,也在其Youtube影片中提到,「孫在陽」直播-數據科學與雲遄運算1.using the data 「孫在陽」直播-數據科學與雲遄運算2.Data cleaning up 大數據分析-統計分析從資料取得,資料清理到視覺化分析。如何做大數據分析? 孫在陽老師主講,[email protected] 範例、講義下載:h...
迴歸分析解釋 在 Facebook 的最讚貼文
《緊箍咒》
上週末,小夥伴傳了即將要on檔的社群layout來,想問問我,A版B版哪個配置更好看。
社群的事,我已逐漸授權給年輕的孩子自己做決定。這麼久的時間下來,也慢慢讓她摸出一點心得和成就感。偶有拿不定主意的文字或設計,她就會來敲敲我的門。
兩孩子在身邊鬼哭神嚎,我快速瞄了一眼排版,想用最快的時間解決,只要不太離譜偏頗,社群梗原本就該奔放。我這個老人家最好別太中二。
然而,下一秒,我感覺到自己的頭腦,規律地發出高速運轉的聲音,像印刷廠趕印明日早報頭條那樣,「A版選色飽合度這麼低,看起來暮氣沉沉,完全沒有節慶感。」,「B版又太活潑一點了吧,主要訊息都被淹沒,眼花撩亂。」
手指開始打字回覆,沒打幾個字覺得速度太慢,切換成語音模式,這下快多了,說出來的話也急火火的,「親愛的,妳要不要試試簡潔的設計,配色用品牌主tone,訊息濃縮成一句話。或發展成社群金句之類。」
要按下enter鍵前,我想起了一件事。整個人停頓在半空中。
在複訓一階時,John曾形容,頭腦與邏輯中心,是強勢的,並不像我們以為的這麼柔弱。聽到這,我在銀幕前,不禁撇了撇嘴,哪有啊?身為這些區域被高度定義的我,從來不覺得自己強勢。也感嘆,白白被啟動了這麼多區域,要做決策的時候,一點忙都幫不上。強勢有屁用。
有了實際發生的例子,我咀嚼John的觀點,這些能量場域之所以強勢,是因為串接頭腦、邏輯的通路屬性,全是個體人與社會人迴路,我們於是依照「自己認為正確」、或「這樣做對於大家都好」的信念,而思考、歸納、與表達。沒在管家族人的感受,我們外顯的觀點,來自於靈光頓悟、事實推敲、歷練驗證,絕少根植於傳遞支持,目的也不在尋求盟友。
所以,有一種好,叫做,我跟你說,這樣做最好,也會讓所有事情步上正軌、一切邁向成熟與進步。
強勢,更可能是一種霸凌。因為,小夥伴的頭腦和邏輯中心,都是開放的。一開始共事時,我驚訝於她的天馬行空,而這些天上奔騰的馬,永遠落不了地,或是落地之後,就變成泥池打滾的驢,久久圈繞不出去。
我曾以為,這個世代的年輕孩子,多半如此。缺乏思考辨證和邏輯分析的能力。她們面對我,也戰戰兢兢,反駁不了幾句又去抄筆記、爬google、忙著回答我一籮筐的問題。
現在,我願意從另外的角度來看待這些差異。我也發現,共事一段時間的團隊與夥伴,最後形成的論述、做出來的作品,就是我的復刻樣板。對此,我曾十分自豪,直到最近重修了一階、又跟著瑪麗安老師練習了四週的覺察,使我願意正視頭腦與邏輯中心的盲點,並展開一個有趣的邏輯中心練習,「把自己非常在意的點,記錄下來。」
所謂在意的點,借用John的解釋,就是你特別容易嗤之以鼻、不以為然、急著辯駁的地方。不記錄還好,一認真觀察,馬上就有以下GY的各點出現,像是:
(1) 天外飛來一筆,沒有事實根據、也缺乏細節執行的想法。
(2) 固鎖或武斷的結論,被告知這件事情只能這麼做,沒有其他彈性空間。
(3) 來龍去脈不夠清楚、正反資訊的陳述失衡。
(4) 跳躍式、非線性推導、太過感性的溝通過程。
這也證明了,我果然是理解迴路相對發達的設計,很愛唱反調,常詰問對方,為什麼?從哪裡推斷得到這個假設?會不會不夠全觀?能不能換一種思考或執行的角度?
哈哈哈,然後對方就會開始焦慮,落入和我一樣,不斷地設立又推翻的迴旋,再多正反佐證都不夠。充分反應了我對於未知、對於徒勞無功、對於被他人挑戰或拒絕的莫須有恐懼。
邏輯中心,是距離能量中心最遠的覺察雷達,如實承接了頭腦中心不斷運轉的壓力,也許能夠發聲(只是未必會被當成救世之音),但終難發起,只能在不受控制的孫悟空頭上,套上美其名是邏輯思辯,實則是高壓控制的緊箍咒。
回到《區分的科學》,有句話,是這麼說的:「邏輯察覺的價值,並不在於控制,而在於能夠分享獨特的觀點,清楚傳遞生而為人的體驗與可能,在正確的時候滋養與鼓舞他人。」人生中,絕大部分的事,不放手去試,永遠不會知道。也不是所有的問題,經過面面俱到的思量,就會出現兩全其美的解答。
那麼,A版B版,孰優孰劣,它對我而言,是一個決策,我可以用頭腦與邏輯的無敵鐵金剛,輕易找到一百個攻訐點。而,它對小夥伴而言,卻是一個嘗試和體驗。我反問她,妳喜歡哪個版本呢?
她說想換換繽紛的版型,一貫沉穩大器的用色主軸,雖然維持了質感,可是TA的反應沒有那麼好…。
換了以前,我聽到這裡就會開始搬出大道理,是嗎?妳有看過哪些數據證明反應沒那麼好?除了版型之外,有考慮其他變因嗎?妳覺得突然改變風格,會不會有更大的反效果?
然後,我會毀了大家的週末。只為了想要控制未知的恐懼。這些問題的答案,我不知道,就算認認真真推演過,我們最後的選擇,也可能是錯的。
那不如,就從這裡開始放手,讓空白中心的靈活,跳脫長久以來我自以為精準的制約,孫悟空有滔天覆海的本領,該放她躍出我的五指山。外面如何山高海深,她從此會有決斷和領悟。我也用不著當包山包海的如來佛了。苦海無邊啊,讓我們各自到內在權威靠岸吧。
我用剛買的貼圖,回覆了一張小學生比出「鶴」的姿勢,意思是,好,交給妳決定。接著把手機調成靜音,我轉頭對兩小女說,YA,媽媽功課做完了,那我們現在來開下午茶趴踢囉!
無論你是空白中心的靈活悟空,還是能量被定義的高深如來,願大家多多覺察,既不需要對所有的問題照單全收地思考,也不需要事事都在思辨過程中九彎十八拐,該放手體驗時,別瞻前顧後,希望大家,各得自在。
*照片取自網路
迴歸分析解釋 在 蔡依橙的閱讀筆記 Facebook 的最讚貼文
💥 20 個 #常見的統計錯誤,你犯過,或是犯了卻不知道嗎?⠀
⠀
MedCalc 的作者 Frank,在 Facebook 分享了一篇跟統計相關的文章,叫做「生物醫學研究文章中,連你都可以發現的 20 個統計錯誤」,很有意思。(連結請見原始貼文)
⠀
我(蔡依橙)認真看完後,覺得蠻不錯的,於是把這 20 個統計錯誤的標題翻成中文,協助大家節省時間,如果剛好有興趣的,可再針對該部分去閱讀原文。接著,分享一些我看完之後的想法。
⠀
⠀
1. 數值報告時,提供了不必要的精確。例如 60 公斤體重,硬要寫成 60.18 公斤。
⠀
2. 將連續變項分組,變成次序變項,但沒有說明為什麼這樣分。像是 CRP 不以數值去統計,而分成低、中、高三組,卻沒說明為什麼這樣分。
⠀
3. 配對資料,只報告各組平均,卻沒報告其改變。也就是只報告治療前血壓、治療後血壓,卻沒報告有多少人上升、多少人下降、平均下降多少。
⠀
4. 描述性統計的誤用,尤其該用 median (interquartile range) 的,硬是用成 mean +- SD。
⠀
5. 使用 standard error of the mean (SEM) 描述量測的精確度,而非 95% CI。
⠀
6. 只報告 p 值,卻沒提到差值以及臨床意義。
⠀
7. 誤用統計方式。尤其常見的是混淆有母數跟無母數統計方法。
⠀
8. 使用線性迴歸,卻沒有先確定資料之間是真的有線性關係。
⠀
9. 沒有使用全部的資料,然後又沒把去掉的資料「為什麼被去掉」說清楚。
⠀
10. 多組比較的 p 值校正問題。
⠀
11. 在隨機分組研究時,過於詳盡地比較了兩組受試者的基本資料,像是性別比例、年齡、體重、血壓等等,而且資料好得太奇怪。
⠀
12. 報告檢驗數值時,沒有定義 normal 與 abnormal。
⠀
13. 計算 sensitivity 與 specificity 時,沒有說明一些介在灰色地帶的檢查結果,如何呈現與去除。
⠀
14. 使用圖片與表格,只是為了儲存數據,而非以協助讀者理解為出發點。
⠀
15. 畫出來的數據圖,視覺主觀上給人的印象,竟然跟數據本身不同。
⠀
16. 在報告數據與解讀時,搞不清楚 units of observation 是什麼,例如心臟病的觀察研究,在 1000 個患者中有 18 位心臟病發,那 units of observation 就是 18。但如果這個研究是以診斷正確率為主,那 sample size 就是 1000。
⠀
17. 把不顯著的統計,或 low power,解讀成 negative,而非 inconclusive。
⠀
18. 分不清楚解釋性研究與實務性研究,前者為 explanatory / efficacy / laboratory,後者為 pragmatic / effectiveness / real world。嘗試兩種混著做,結果兩邊都做不好。
⠀
19. 沒有用臨床能理解的方式來報告最終結果。
⠀
20. 把統計的顯著性,當成臨床的重要性。例如:癌症用新藥治療,統計上很顯著的好,但追蹤了五年,患者只延長了七天的壽命。這就是統計有顯著,但臨床意義不大的例子。
⠀
⠀
🗨 我(蔡依橙)的一些想法
⠀
由統計專業人的角度,來看生物醫學發表,是很有警惕意義的,能讓準備發表的朋友,仔細看看自己是不是也犯了相關的錯誤。
⠀
但另一個角度看,作者也提到,這些錯誤在幾乎一半的生物醫學論文上反覆出現!這就代表,其實生物醫學論文要刊登,並不代表我們什麼錯都不能犯,相反地,這 20 個錯誤裡頭,有些就算犯了,也還是能被刊登。
⠀
以我們自己發表,以及過去協助同學的經驗來說,我會認為 2、7、10、14、15,是初學者也 #必須理解並避開的,其他的則是發表起步了之後,陸陸續續去注意,在往更高分期刊挑戰時,逐漸進步就行。
⠀
實務上,3 分以下的醫學期刊,幾乎沒有專門的統計查核,你只要能通過「一般同行」的統計知識審查就行。也就是說,我是一個放射科醫師,剛開始起步,投稿到放射科 3 分以下期刊,文章中的統計,只要「#一般有在做研究的放射科醫師」覺得可以就行,不見得要到「統計專家看過並挑不出毛病」。
⠀
對於初學者如何起步,實務的協助,新思惟規劃了各種類型的研究課程,歡迎有興趣的朋友可以參考。目前正在開放報名中的,有以下三場工作坊,歡迎您瞭解各課程的課綱後,評估挑選最符合您需求的內容,前來上課,讓我們協助您成功起步。
⠀
🟠 2021 / 11 / 7(日)統合分析工作坊
無經費、資源少也能發表,不用 IRB 且免收案的好選擇。
https://meta-analysis.innovarad.tw/event/
⠀
🔵 2021 / 10 / 17(日)臨床研究與發表工作坊
全新改款!跟著國際學者走,讓你寫作投稿都上手。
https://clip2014.innovarad.tw/event/
⠀
🟢 2021 / 10 / 16(六)個案報告、技術發表與文獻回顧工作坊
把臨床上的各種想法,在 PubMed 化作專業生涯上的里程碑。
https://casereport.innovarad.tw/event/
⠀ ⠀
不只是說說而已,我們會舉實例,說明其意義、如何避開,在互動實作過程,實際由各位在自己的電腦上操作,從數據到軟體,從統計到繪圖,一次搞定,並避開常見錯誤,是真正以 #初學者起步 為核心的規劃。
⠀
⠀
二十個常見的統計錯誤,與實務寫作時的考量。
🔗 原始貼文 │ https://bit.ly/2WESphu
迴歸分析解釋 在 孫在陽 Youtube 的最佳解答
「孫在陽」直播-數據科學與雲遄運算1.using the data
「孫在陽」直播-數據科學與雲遄運算2.Data cleaning up
大數據分析-統計分析從資料取得,資料清理到視覺化分析。如何做大數據分析?
孫在陽老師主講,[email protected]
範例、講義下載:https://goo.gl/ytzRxT
時間軸
00:00 簡介
03:40 數據科學
09:30 大數據分析與統計分析的差別
13:35 AI是什麼
14:52 圖靈測試 Turing test
17:35 機器學習
20:47 建模
21:58 用線性迴歸做預測
26:46 用羅吉斯迴歸做分類
28:54 其他機器學習
31:28 研究目的
33:21 數據來源的差別
42:58 取得 Azure API for FHIR 數據
01:10:00 資料清理
01:19:48 如何展開資料
01:37:40 描述性統計:樣本個數
迴歸分析解釋 在 No photo description available. - Facebook 的推薦與評價
那所要找的迴歸係數(regression coefficient)是要看結果中的Unstandardized Cofficients的B? 還是看Standardized Cofficients的Beta呢? 當然所拿來解釋的結果是B 欄位 ... ... <看更多>