Physical Sciences and Mathematics Commons^™

Applications Of Bayesian Hierarchical Detection Models, Emily Beasley

Graduate College Dissertations and Theses

Bayesian hierarchical detection models are useful for addressing uncertainty in datasets in the form of detection error and can be adapted to a variety of research questions. This dissertation uses three case studies to highlight advantages of Bayesian hierarchical detection models: 1) using prior information to model undetected species, 2) efficiently modeling a naturally hierarchical system, and 3) correcting for observation bias in two interconnected ecological metrics for effective disease management.Detection error can bias ecological observations, especially when a species is never detected during sampling. In many communities, the probable identity of these species is known from previous research, but …

Making Data-Driven Decisions For Investing In Restaurant Business: A Case Study Based On Zomato Dataset, Rachna Shah

All Graduate Theses, Dissertations, and Other Capstone Projects

In today’s fast-paced world, where time is a precious commodity, the ability to order a wide array of cuisines from the comfort of your home or office impacts your quality of life. With an increasing number of food delivery services, with just a few taps on the smartphone or clicks on the computer, we can enjoy the food we want. The importance of this convenience cannot be overstated, as it allows people to save time and effort that would otherwise be spent on cooking, grocery shopping, or dining out. As the food delivery system grows and develops, its economic framework …

A Conceptual Framework For Knowledge Exchange In A Wildland Fire Research And Practice Context, Colin B. Mcfayden, Lynn M. Johnston, Douglas G. Woolford, Colleen George, Den Boychuk, Daniel Johnston, B. Mike Wotton, Joshua M. Johnston

Statistical and Actuarial Sciences Publications

No abstract provided.

Comparing Voting Strategies In Blood On The Clocktower, Marty Graham

Senior Projects Spring 2023

This project models a social deduction game called “Blood on the Clocktower.” Simulated players act according to two different algorithms, and the results are recorded across four different variables. The results show that the two algorithms, while constrained to affecting one specific mechanic within the game, produce statistically different results. This model has the potential to be used in simulating group dynamics and modeling the efficacy of certain game strategies.

Advances In Differentially Methylated Region Detection And Cure Survival Models, Daniel Ahmed Alhassan

Doctoral Dissertations

"This dissertation focuses on two areas of statistics: DNA methylation and survival analysis. The first part of the dissertation pertains to the detection of differentially methylated regions in the human genome. The varying distribution of gaps between succeeding genomic locations, which are represented on the microarray used to quantify methylation, makes it challenging to identify regions that have differential methylation. This emphasizes the need to properly account for the correlation in methylation shared by nearby locations within a specific genomic distance. In this work, a normalized kernel-weighted statistic is proposed to obtain an optimal amount of "information" from neighboring locations …

Essays On Conditional Heteroscedastic Time Series Models With Asymmetry, Long Memory, And Structural Changes, K C M R Anjana Bandara Yatawara

Doctoral Dissertations

"The volatility of asset returns is usually time-varying, necessitating the introduction of models with a conditional heteroskedastic variance structure. In this dissertation, several existing formulations, motivated by the Generalized Autoregressive Conditional Heteroskedastic (GARCH) type models, are further generalized to accommodate more dynamic features of asset returns such as asymmetry, long memory, and structural breaks. First, we introduce a hybrid structure that combines short-memory asymmetric Glosten, Jagannathan, and Runkle (GJR) formulation and the long-memory fractionally integrated GARCH (FIGARCH) process for modeling financial volatility. This formulation not only can model volatility clusters and capture asymmetry but also considers the characteristic of long …

Recurrent Event Data Analysis With Mismeasured Covariates, Ravinath Alahakoon Mudiyanselage

Doctoral Dissertations

"Consider a study with n units wherein every unit is monitored for the occurrence of an event that can recur with random end of monitoring. At each recurrence, p concomitant variables associated to the event recurrence are recorded with q (q ≤ p) collected with errors. Of interest in this dissertation is the estimation of the regression parameters of event time regression models accounting for the covariates. To circumvent the problem of bias and consistency associated with model's parameter estimation in the presence of measurement errors, we propose inference for corrected estimating functions with well-behaved roots under additive measurement errors …

Estimation In Generalized Estimating Equation Measurement Error Models Using Instrumental Variables/ Estimating The Cardinality Of Latent Defective Edges In Hypergraphs, Damin Zhu

Graduate College Dissertations and Theses

This dissertation consists of two studies. The first develops theory for a new method for estimating regression parameters using generalized estimating equations (GEE) with panel data prone to covariate measurement error. The focus is on logistic regression, though the method is applicable to other models. The method requires availability ofinstrumental variables (IV) to identify model parameters. Simulations are performed to assess the performance of the proposed estimator. The method, abbreviated GEEIV, is able to accurately estimate logistic regression parameters masked by measurement error in a variety of population configurations.

In the second study, an algorithm is proposed to estimate the …

Bayesian Experimental Design For Control And Surveillance In Epidemiology, Bren Case

Graduate College Dissertations and Theses

Effective public health interventions must balance an array of interconnected challenges, and decisions must be made based on scientific evidence from existing information. Building evidence requires extrapolating from limited data using models. But when data are insufficient, it is important to recognize the limitations of model predictions and diagnose how they can be improved. This dissertation shows how principles from Bayesian experimental design can be applied to surveillance and control efforts to allow researchers to get more out of their data and direct limited resources to best effect. We argue a Bayesian perspective on data gathering, where design decisions are …

Efficient High Order Ensemble For Fluid Flow, John Carter

Doctoral Dissertations

"This thesis proposes efficient ensemble-based algorithms for solving the full and reduced Magnetohydrodynamics (MHD) equations. The proposed ensemble methods require solving only one linear system with multiple right-hand sides for different realizations, reducing computational cost and simulation time. Four algorithms utilize a Generalized Positive Auxiliary Variable (GPAV) approach and are demonstrated to be second-order accurate and unconditionally stable with respect to the system energy through comprehensive stability analyses and error tests. Two algorithms make use of Artificial Compressibility (AC) to update pressure and a solenoidal constraint for the magnetic field. Numerical simulations are provided to illustrate theoretical results and demonstrate …

Tennessee Brewconomy: Navigating The Wholesale Beer Tax Landscape, Lauren E. Dansbury

Science University Research Symposium (SURS)

In 2013, Tennessee transitioned from a price-based wholesale tax model to a per barrelage assessment. This research delves into the repercussions of this tax reform, assessing its impact on the brewing and wholesale distribution sectors. Despite the shift, Tennessee maintains the nation's highest wholesale beer tax for 16 consecutive years. The study examines the opportunity costs associated with this elevated tax, exploring alternative uses for the funds. Utilizing data on annual revenue collected by wholesalers from 2019 to 2022, segmented by city and county, the research provides actionable insights advocating for a reduction in the wholesale tax. The argument posits …

Statistical Methods For Gene Selection And Genetic Association Studies, Xuewei Cao

Dissertations, Master's Theses and Master's Reports

This dissertation includes five Chapters. A brief description of each chapter is organized as follows.

In Chapter One, we propose a signed bipartite genotype and phenotype network (GPN) by linking phenotypes and genotypes based on the statistical associations. It provides a new insight to investigate the genetic architecture among multiple correlated phenotypes and explore where phenotypes might be related at a higher level of cellular and organismal organization. We show that multiple phenotypes association studies by considering the proposed network are improved by incorporating the genetic information into the phenotype clustering.

In Chapter Two, we first illustrate the proposed GPN …

Exploring Information Leakage In Historical Stock Market Data, Edison Hua

Dissertations and Theses

Information leakage is a major concern for traders who want to execute large orders without affecting the market price. In this paper, we explore the sources and effects of information leakage in historical stock market data using various methods and metrics. We first define information leakage as a pattern caused by a trader that would otherwise not occur without the trader’s activity. Using historical data, the direct impact of a potential large trade cannot be measured, but we consider a minimal impact large trade to be one that minimizes changes to the established trading data. We then analyze how information …

Utilizing Markov Chains To Estimate Allele Progression Through Generations, Ronit Gandhi

Honors Theses

All populations display patterns in allele frequencies over time. Some alleles cease to exist, while some grow to become the norm. These frequencies can shift or stay constant based on the conditions the population lives in. If in Hardy-Weinberg equilibrium, the allele frequencies stay constant. Most populations, however, have bias from environmental factors, sexual preferences, other organisms, etc. We propose a stochastic Markov chain model to study allele progression across generations. In such a model, the allele frequencies in the next generation depend only on the frequencies in the current one.

We use this model to track a recessive allele …

Classification Of Adult Income Using Decision Tree, Roland Fiagbe

Data Science and Data Mining

Decision tree is a commonly used data mining methodology for performing classification tasks. It is a tree-based supervised machine learning algorithm that is used to classify or make predictions in a path of how previous questions are answered. Generally, the decision tree algorithm categorizes data into branch-like segments that develop into a tree that contains a root, nodes, and leaves. This project seeks to explore the decision tree methodology and apply it to the Adult Income dataset from the UCI Machine Learning Repository, to determine whether a person makes over 50K per year and determine the necessary factors that improve …

The Impact Of Subjective Risk Analysis On Real Estate Prices In The Nisqually Region Following The 2001 Nisqually Earthquake, Ryan Espedal

All Master's Theses

Earthquakes are an environmental hazard that pose great risks to communities almost every day. With earthquakes, the main cause of concern is physical destruction of property, however, there are also psychological effects that are researched and discussed much less. In 2001, the Nisqually area of western Washington experienced a substantial earthquake that produced minimal physical damage but caused a significant decrease in real estate prices. Studying single-family homes from 1986-2012, this research utilizes hedonic property models to measure the change in consumer’s subjective risk calculations with reference to real estate purchases after the Nisqually earthquake, measure the relationship between earthquake …

Impacts Of Covid-19 On Industrial Growth In The United States, Emily G. Warthman, Charles J. Landis

Williams Honors College, Honors Research Projects

COVID-19 has caused massive ramifications on all parts of life in the world and industry growth/decline is not immune to it. This report will analyze nine different industries’ profit and revenue from quarterly data during the years 2009-2022. Forecast models will be generated using various methods and different techniques of validating to predict the values from Q2 2020- Q4 2022 based on historical data. After which, a comparison will be conducted between those predicted values to the actual average revenue and profit generated by order of greatest error percentage made. Thorough research will then be completed to determine if there …

Eeg-Based Spanish Language Proficiency Classification: An Eeg Power Spectrum And Cross-Spectrum Analysis, Blaise Xavier O'Mara, Skyler Baumer

Honors Theses and Capstones

Second language proficiency may be predicted with electrophysiological techniques. In a machine learning application, this electrophysiological data may be used for language instructors and language students to assess their language learning. This study identifies how electroencephalogram (EEG) power spectrum and cross spectrum data of the brain cortex relates to Spanish second language (L2) proficiency of 20 Spanish language students of varying proficiency levels at the University of New Hampshire. The two metrics for assessing cortical power and processing were event-related desynchronization (ERD)—a measure of relative change in power—of the alpha (8-12 Hz) brain frequency band, and alpha and beta (13-30Hz) …

Assessing Spurious Correlations In Big Search Data, Jesse T. Richman, Ryan J. Roberts

Political Science & Geography Faculty Publications

Big search data offers the opportunity to identify new and potentially real-time measures and predictors of important political, geographic, social, cultural, economic, and epidemiological phenomena, measures that might serve an important role as leading indicators in forecasts and nowcasts. However, it also presents vast new risks that scientists or the public will identify meaningless and totally spurious ‘relationships’ between variables. This study is the first to quantify that risk in the context of search data. We find that spurious correlations arise at exceptionally high frequencies among probability distributions examined for random variables based upon gamma (1, 1) and Gaussian random …

Fitting Time Series Models To Fisheries Data To Ascertain Age, Kathleen S. Kirch, Norou Diawara, Cynthia M. Jones

OES Faculty Publications

The ability of government agencies to assign accurate ages of fish is important to fisheries management. Accurate ageing allows for most reliable age-based models to be used to support sustainability and maximize economic benefit. Assigning age relies on validating putative annual marks by evaluating accretional material laid down in patterns in fish ear bones, typically by marginal increment analysis. These patterns often take the shape of a sawtooth wave with an abrupt drop in accretion yearly to form an annual band and are typically validated qualitatively. Researchers have shown key interest in modeling marginal increments to verify the marks do, …

Network Intrusion Detection Using Deep Reinforcement Learning, Hamed T. Sanusi

Electronic Theses and Dissertations

This thesis delves into cybersecurity by applying Deep Reinforcement(DRL) Learning in network intrusion detection. One advantage of DRL is the ability to adapt to changing network conditions and evolving attack methods, making it a promising solution for addressing the challenges involved in intrusion detection. The thesis will also discuss the obstacles and benefits of using Classification methods for network intrusion detection and the need for high-quality training data. To train and test our proposed method, the NSL-KDD dataset was used and then adjusted by converting it from a multi-classification to a binary classification, achieved by joining all attacks into one. …

Occurrence Of Per- And Polyfluoroalkyl Substances (Pfas) In New Hampshire Biosolids, Katherine A. Wieck

Honors Theses and Capstones

Per- and polyfluoroalkyl substances (PFAS) are a group of over 4,000 compounds used in the manufacturing of products including aqueous film forming foams for firefighting, stain repellents, waterproofing agents, and nonstick cookware since their initial development in the 1940s. The long fluorinated carbon chain structure of PFAS causes chemical and thermal stability, and thus resistance to biodegradation. Biosolids produced at wastewater facilities for uses such as agricultural land-applied compost and fertilizer for lawns and athletic fields, as well as sludge disposed in landfills can cause contamination of groundwater and surface water. This poses a significant threat to human and environmental …

Modeling Growth And Stress Factors For Converted Silvopasture Systems In The Missouri Ozarks, Bailee N. Suedmeyer

MSU Graduate Theses

Silvopasture systems are becoming increasingly popular among sustainable agriculture ranchers, due to the increase in knowledge of benefits to the cattle and ability to grow cool season grasses beneath the canopy. This project focuses on the forest crop aspect of silvopasture systems from monitoring of the health of the trees over time to recommendations for thinning management to keep it functioning as viable silvopasture. The study site consists of five acres of upland hardwood forest area in Southern Missouri with 18 monumented fixed area plots. Arial and ground data was collected at each plot throughout the growing season, along with …

A Bootstrap Test For Informative Intra-Cluster Group Sizes In Clustered Data, Hasika K. Wickrama Senevirathne, Sandipan Dutta

College of Sciences Posters

Clustered data are frequently observed in various domains of scientific and social studies. In a typical clustered data, units within a cluster are correlated while units between different clusters are independent. An example of such clustered data can be found in dental studies where individuals are treated as clusters and the teeth in an individual are the units within a cluster. While analyzing such clustered data, it has been observed that the number of units present in a cluster can be informative in terms of being associated with the outcome from that cluster. Specifically, when the aim is to compare …

Prediction Of Rapid Early Progression And Survival Risk With Pre-Radiation Mri In Who Grade 4 Glioma Patients, Walia Farzana, Mustafa M. Basree, Norou Diawara, Zeina Shboul, Sagel Dubey, Marie M. Lockheart, Mohamed Hamza, Joshua D. Palmer, Khan Iftekharuddin

Electrical & Computer Engineering Faculty Publications

Rapid early progression (REP) has been defined as increased nodular enhancement at the border of the resection cavity, the appearance of new lesions outside the resection cavity, or increased enhancement of the residual disease after surgery and before radiation. Patients with REP have worse survival compared to patients without REP (non-REP). Therefore, a reliable method for differentiating REP from non-REP is hypothesized to assist in personlized treatment planning. A potential approach is to use the radiomics and fractal texture features extracted from brain tumors to characterize morphological and physiological properties. We propose a random sampling-based ensemble classification model. The proposed …

แนวทางการส่งเสริมการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาล : การวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ, ยุทธชัย ศิลาแลง

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิจัยครั้งนี้มีวัตถุประสงค์ดังนี้ 1) เพื่อวิเคราะห์และเปรียบเทียบการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาลที่มีภูมิหลังแตกต่างกัน 2) เพื่อวิเคราะห์โมเดลสมการเชิงโครงสร้างพหุระดับปัจจัยที่ส่งผลต่อการเรียนรู้ภาษาระยะแรกเริ่มของเด็กอนุบาลและตรวจสอบความสอดคล้องข้อมูลเชิงประจักษ์ 3) เพื่อวิเคราะห์อิทธิพลของตัวแปรในระดับห้องเรียนที่มีผลต่อการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาล 4) เพื่อเสนอแนะแนวทางการส่งเสริมการเรียนรู้ภาษาระยะแรกเริ่มของเด็กอนุบาลสำหรับผู้ปกครอง ครู ผู้บริหารและศึกษานิเทศก์ ตัวอย่างประกอบด้วยนักเรียนชั้นอนุบาลปีที่ 3 จำนวน 2864 คน และครูที่สอนนักเรียนระดับชั้นอนุบาลปีที่ 3 จำนวน 53 คน ซึ่งเก็บข้อมูลจากโรงเรียนจำนวน 35 แห่ง สังกัดสำนักงานเขตพื้นที่การศึกษาประถมศึกษากรุงเทพมหานคร สุ่มตัวอย่างโดยใช้วิธีการแบบหลายขั้นตอน (Multi-stage Random Sampling) เครื่องมือที่ใช้ในการวิจัยประกอบด้วยแบบบันทึกข้อมูลนักเรียน แบบสอบถามสำหรับครู การวิเคราะห์สถิติบรรยายด้วยโปรแกรม SPSS และการวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ ด้วยโปรแกรม Mplus ผลการวิจัยพบว่า 1) เด็กอนุบาลที่มาจากครอบครัวที่มีภูมิหลังด้านเศรษฐานะต่างกันส่งผลต่อการเรียนรู้ภาษาระยะแรกเริ่มต่างกัน 2) โมเดลสมการเชิงโครงสร้างพหุระดับปัจจัยที่ส่งผลต่อการเรียนรู้ภาษาระยะแรกเริ่มของเด็กอนุบาลที่พัฒนาขึ้นมีความสอดคล้องกับข้อมูลเชิงประจักษ์ (χ2 = 258.664, p = .00, χ2/df = 2.694, CFI = 0.847, TLI = 0.751, RMSEA = .024, SRMRw= 0.242, SRMRb= 0.062) โดยระดับนักเรียนพบว่า สภาพแวดล้อมทางด้านภาษาที่บ้านมีอิทธิพลทางตรงเชิงลบและพัฒนาการของเด็กมีอิทธิพลเชิงบวกต่อการเรียนรู้ภาษาระยะแรกเริ่มของเด็กอนุบาล 3) ตัวแปรในระดับห้องเรียนที่มีผลต่อการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาล พบว่า การจัดสภาพแวดล้อมทางภาษาในห้องเรียน และสมรรถนะการสอนภาษาของครูมีอิทธิพลทางตรงเชิงบวกอย่างมีนัยสำคัญทางสถิติ ตัวแปรทำนายทั้งหมดในระดับนักเรียนและระดับห้องเรียนสามารถอธิบายความแปรปรวนของการเรียนรู้ภาษาระยะแรกเริ่มสำหรับเด็กอนุบาลได้ร้อยละ 24 และ 95 ตามลำดับ 4) ผลการวิเคราะห์จากโมเดลการส่งเสริมการเรียนรู้ภาษาในห้องเรียนอนุบาล นำไปสู่ข้อเสนอแนะ 3 แนวทาง ดังนี้ (1) ผู้ปกครองไม่ควรเคร่งครัดด้านวิชาการที่บ้านกับเด็กมากเกินไปแต่ควรตระหนักถึงพัฒนาการที่สมวัยของเด็ก (2) ครูควรตระหนักถึงการจัดสภาพแวดล้อมในห้องเรียนให้มีความน่าสนใจด้วยการเปิดโอกาสให้มีประสบการณ์ทางภาษาที่หลากหลาย การอ่านหนังสือกับเด็กและการมีแหล่งทรัพยากรทางภาษาในห้องเรียน สำหรับตัวครูผู้สอนควรจะมีพื้นฐานด้านการสอนภาษาสำหรับเด็กอนุบาลและครูควรมีความถนัดและรักในการสอนภาษา (3) ผู้บริหารและต้นสังกัดควรกำหนดนโยบายส่งเสริม สนับสนุน และสร้างความเข้าใจให้ผู้ปกครอง ครู ผู้บริหารและศึกษานิเทศก์เข้าใจถึงการจัดการเรียนการสอนภาษาสำหรับเด็กปฐมวัยให้ตรงกัน

แนวทางการพัฒนากรอบความคิดเติบโตเพื่อส่งเสริมประสิทธิภาพในการเรียนออนไลน์ของนักเรียนมัธยมศึกษาตอนปลาย: การวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ, วันวิสาข์ เสาว์สิงห์

Chulalongkorn University Theses and Dissertations (Chula ETD)

การวิจัยนี้มีวัตถุประสงค์ดังนี้ 1) เพื่อสำรวจสภาพกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียน 2) เพื่อวิเคราะห์อิทธิพลพหุระดับของปัจจัยที่ส่งผลต่อกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียน และ 3) เพื่อเสนอแนวทางการพัฒนากรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียน ตัวอย่างวิจัยประกอบด้วยครูจำนวน 63 คน และนักเรียน จำนวน 1,201 คน กำหนดตัวอย่างด้วยวิธีการสุ่มแบบหลายขั้นตอนจากโรงเรียนในสังกัด สพฐ. เก็บข้อมูลเชิงปริมาณโดยใช้แบบสอบถามออนไลน์ 2 ฉบับ คือ แบบสอบถามสำหรับครูและสำหรับนักเรียน ส่วนข้อมูลสำหรับการออกแบบแนวทางการพัฒนากรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนเก็บรวบรวมโดยใช้วิธีการสนทนากลุ่ม วิเคราะห์ข้อมูลโดยใช้สถิติบรรยายในการบรรยายสภาพกรอบความคิดเติบโตในการเรียนออนไลน์และปัจจัยต่าง ๆ ในขณะที่การวิเคราะห์อิทธิพลของปัจจัยที่ส่งผลต่อกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนจะวิเคราะห์ด้วยการวิเคราะห์โมเดลสมการโครงสร้างพหุระดับ (2 ระดับ) ส่วนข้อมูลเชิงคุณภาพจะวิเคราะห์ด้วยการวิเคราะห์เนื้อหา ผลการวิจัยพบว่ากรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนภาพรวมอยู่ในระดับมาก เมื่อจำแนกตามขนาดโรงเรียนพบว่าโรงเรียนทุกขนาดมีกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนอยู่ในระดับมาก เมื่อพิจารณาผลการวิเคราะห์ MSEM พบว่าโมเดลสมการโครงสร้างพหุระดับของกรอบความคิดเติบโตในการเรียนออนไลน์ของนักเรียนสอดคล้องกับข้อมูลเชิงประจักษ์ (χ2 = 121.477, df = 66, p = .000, CFI = .996, TLI = .988, RMSEA = .026) ผลการวิเคราะห์ปัจจัยระดับนักเรียนพบว่าแรงจูงใจใฝ่สัมฤทธิ์มีอิทธิพลต่อกรอบความคิดเติบโตในการเรียนออนไลน์สูงที่สุด นอกจากนี้แรงจูงใจใฝ่สัมฤทธิ์ยังส่งผ่านอิทธิพลของการรับรู้ความสามารถของตนเองที่มีต่อกรอบความคิดเติบโตในการเรียนออนไลน์ ส่วนการสนับสนุนของเพื่อนมีอิทธิพลทางบวกในขณะที่การสนับสนุนของผู้ปกครองมีอิทธิพลทางลบต่อกรอบความคิดเติบโตในการเรียนออนไลน์อย่างมีนัยสำคัญที่ระดับ .05 ผลการวิเคราะห์ปัจจัยระดับครูพบว่าทั้งการจัดการเรียนรู้ของครูและการสนับสนุนของครูมีอิทธิพลต่อกรอบความคิดเติบโตในการเรียนออนไลน์ตามลำดับอย่างมีนัยสำคัญที่ระดับ .05 จากผลการวิจัยเชิงปริมาณและข้อมูลเชิงคุณภาพสามารถนำมาใช้ออกแบบแนวทางในการเรียนออนไลน์ของนักเรียนที่มุ่งเน้นการจัดการเรียนรู้เชิงรุก การประเมินระหว่างทาง และการให้ข้อมูลป้อนกลับ แนวทางที่นำเสนอในงานวิจัยครั้งนี้แบ่งเป็น 2 แนวทางย่อย คือ 1) การส่งเสริมการรับรู้ความสามารถของตนเองและแรงจูงใจใฝ่สัมฤทธิ์ผ่านกิจกรรมในชั้นเรียนออนไลน์ และ 2) การประสานความร่วมมือระหว่างบ้านและโรงเรียนในการส่งเสริมกรอบความคิดเติบโตในการเรียนออนไลน์

Additive P-Value Combination Test, Xing Ling

Dissertations, Master's Theses and Master's Reports

This dissertation includes four Chapters. A brief description of each chapter is organized as follows.

In Chapter 1, some developments on multiple hypotheses tests are introduced. Some preliminaries about the definition and the assumption are included.

In Chapter 2, a Stable Combination Test is proposed to combine $p$-values from multiple hypotheses tests. We show the proposed method controls the family-wise error rate at the target level and maintains asymptotically optimal power even when the elementary p-values from the individual hypotheses are dependent.

In Chapter 3, a deeper dig into the additive p-value combination test is performed. A common idea behind …

Variability In Causal Effects On A Binary Outcome And Noncompliance In A Multisite Randomized Trial, Xinxin Sun

Theses and Dissertations

Noncompliance to treatment assignment is widespread in randomized trials and presents challenges in causal inference. In the presence of noncompliance, the most commonly estimated effect of treatment assignment, also known as intent-to-treat (ITT) effect, is biased. Of interest in this setting is the complier average causal effect (CACE), the ITT effect among compliers. Further complication arises when the outcome variable is partially observed.

My research focuses on estimating the distribution of a site-specific CACE in a multisite randomized controlled trial (MRCT) by maximum likelihood (ML). Assuming compliance missing at random (MAR). We express the likelihood as an integral with respect …

Investigating Collaborative Explainable Ai (Cxai)/Social Forum As An Explainable Ai (Xai) Method In Autonomous Driving (Ad), Tauseef Ibne Mamun

Dissertations, Master's Theses and Master's Reports

Explainable AI (XAI) systems primarily focus on algorithms, integrating additional information into AI decisions and classifications to enhance user or developer comprehension of the system's behavior. These systems often incorporate untested concepts of explainability, lacking grounding in the cognitive and educational psychology literature (S. T. Mueller et al., 2021). Consequently, their effectiveness may be limited, as they may address problems that real users don't encounter or provide information that users do not seek.

In contrast, an alternative approach called Collaborative XAI (CXAI), as proposed by S. Mueller et al (2021), emphasizes generating explanations without relying solely on algorithms. CXAI centers …