ecg_paper:多层次的纵向学习曲线回归模型与项目难度指标相集成，用于视觉诊断的有意实践

多层次的纵向学习曲线回归模型与项目难度指标集成在一起，用于视觉诊断的有意实践：适应性学习的基础。 大量的在线病例库为X光片，组织学和心电图的视觉诊断提供了有意实践的机会。 应为哪些学习者提供哪些案例，以何种顺序进行学习，并具有使学习适应的巨大潜力。 基于累积的学习曲线，统计建模的进步为更有效地将学习者与已知校准案例配对提供了方法。 使用示范性射线照相和心电图数据集，展示了从传统回归模式转变为能力或绩效增长模型的多级方法的优势，并实现了基于诊断分组整合案例级项目响应信息的最后一步。 这将产生更精确的个人水平估计，最终可以支持学习者适应性案例选择。 模型复杂度的逐步提高不仅是统计上的，而且还使模型与核心学习原则保持一致，这包括考虑基线技能和学习率的个体差异以及诊断和难度变化的案例之间的差异性相互作用的重要性。 因此，已开发的方法可以为研究人员和教育工作者提供更好的基础，以便在此基础上预期学习