[
    {
        "id": "osp-3301",
        "type": "article-journal",
        "title": "Latent Heterogeneity in High School Academic Growth: A Comparison of the Performance of Growth Mixture Model, Structural Equation Modeling Tree, and Forest",
        "author": [
            {
                "family": "Alhadabi",
                "given": "Amal"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/latent-heterogeneity-in-high-school-academic-growth-a-comparison-of-the-performance-of-growth-mixture-model-structural-equation-modeling-tree-and-forest",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2022
                ]
            ]
        },
        "container-title": "Journal of Educational and Psychological Studies",
        "volume": "16",
        "issue": "4",
        "page": "355-372",
        "DOI": "10.53543/jeps.vol16iss4pp355-372",
        "publisher": "Sultan Qaboos University",
        "ISSN": "2218-6506",
        "abstract": "نموذج الخليط المتعدد للنمو (GMM) يرتبط بمسائل عديدة في عدّ الفئات. التقدم المعاصر للخوارزميات الآلية يقدم بدائل واعدة تجمع بين نموذج المعادلة البنـائية المؤكّد (SEM) مع خوارزميات التنقيب عن البيانات الاستكشافية: SEM Tree و SEM Forest. درست هذه الدراسة أداء الطرق الثلاث المذكورة (أي GMM وSEM Tree وSEM Forest) لاكتشاف التباين الكامن في النمو الأكاديمي عبر أربع درجات ثانوية باستخدام عينة فرعية توضيحية من دراسة طولية للمدرسة الثانوية في عام 2009. أظهرت النتائج فروقاً ملحوظة في اكتشاف التباين الكامن عبر الطرق الثلاث كما يشير إليها وجود عدد فئات موجَز، مع مسارات نمو فريدة أكثر، والتقاط التباين الكامن في عوامل النمو. وعلى النقيض من ذلك، كانت SEM Tree وSEM Forest أفضل في تتبّع تأثيرات المتغيرات المصاحبة في تغاير معاملات النمو في النموذج، كما يشير إلى تقديم مقاييس أكثر دقة لأهمية المتغيرات المصاحبة ووصف تفصيلي لدور المتغيرات عند كل مستوى من الشجرة أو الغابة. تشير هذه النتائج إلى الاستخدام التكاملي لهذه الأساليب لتحقيق فصل واضح بين مسارات النمو كما تم تقديرها بواسطة GMM؛ وإدراج المتغيرات المصاحبة الأكثر تأثيراً كما حددته SEM Tree وForest (208 الكلمات)."
    }
]