Zobrazeno 1 - 10
of 88
pro vyhledávání: '"Han, Zifei"'
Autor:
Lin, Jionghao, Han, Zifei, Thomas, Danielle R., Gurung, Ashish, Gupta, Shivang, Aleven, Vincent, Koedinger, Kenneth R.
One-on-one tutoring is widely acknowledged as an effective instructional method, conditioned on qualified tutors. However, the high demand for qualified tutors remains a challenge, often necessitating the training of novice tutors (i.e., trainees) to
Externí odkaz:
http://arxiv.org/abs/2405.00970
Autor:
Han, Zifei FeiFei, Lin, Jionghao, Gurung, Ashish, Thomas, Danielle R., Chen, Eason, Borchers, Conrad, Gupta, Shivang, Koedinger, Kenneth R.
One-on-one tutoring is an effective instructional method for enhancing learning, yet its efficacy hinges on tutor competencies. Novice math tutors often prioritize content-specific guidance, neglecting aspects such as social-emotional learning. Socia
Externí odkaz:
http://arxiv.org/abs/2402.14594
Autor:
De Oliveira, Victor, Han, Zifei
Publikováno v:
Journal of Agricultural, Biological and Environmental Statistics 2022
The Matern family of covariance functions is currently the most commonly used for the analysis of geostatistical data due to its ability to describe different smoothness behaviors. Yet, in many applications the smoothness parameter is set at an arbit
Externí odkaz:
http://arxiv.org/abs/2208.13575
Publikováno v:
The American Statistician 2022
The power prior and its variations have been proven to be a useful class of informative priors in Bayesian inference due to their flexibility in incorporating the historical information by raising the likelihood of the historical data to a fractional
Externí odkaz:
http://arxiv.org/abs/2204.06165
The elicitation of power priors, based on the availability of historical data, is realized by raising the likelihood function of the historical data to a fractional power {\delta}, which quantifies the degree of discounting of the historical informat
Externí odkaz:
http://arxiv.org/abs/2204.05615
Autor:
De Oliveira, Victor, Han, Zifei
Reference priors are theoretically attractive for the analysis of geostatistical data since they enable automatic Bayesian analysis and have desirable Bayesian and frequentist properties. But their use is hindered by computational hurdles that make t
Externí odkaz:
http://arxiv.org/abs/2201.10993
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.