스피커
|
성적 증명서
|
| 니콜라스 쉘튼 |
좋습니다. 녹음이 시작되었고 음소거 상태로 전환한 다음 준비가 되면 시작할 수 있습니다. |
| |
괜찮아. |
| 애니 와이즈브로드 |
여러분, 안녕하세요. 저는 애니 와이즈브로드입니다. 저는 Procter and Gamble의 동료인 A Narayanan과 Mark Bailey와 함께 여기 있습니다. 발표할 예정입니다. |
| |
JMP SEM 플랫폼을 이용한 명상 프로그램 평가. |
| |
그래서 먼저 우리가 왜 이것에 대해 이야기하는지 설명하는 것으로 시작하고 싶습니다. |
| |
그래서 P&G의 |
| |
특히 COVID 기간 동안 우리는 사람들의 건강에 정말로 중점을 두었습니다. |
| |
팬데믹으로 인해 여러 가지 이유로 매우 스트레스가 많은 시기입니다. 또한 시민 불안의 영역, 물건을 구할 수 없는 공급망의 변화, |
| |
우리의 생활 습관, 질병을 바꾸고 다른 사람들을 돌보는 것. 지난 시간에 우리의 삶이 상당히 많이 변한 방법이 많이 있습니다. |
| |
20개월, 2년 정도. 따라서 이 시기에 P&G 직원의 건강과 웰빙을 보호하는 것이 훨씬 더 중요한 우선순위가 되었습니다. |
| |
그래서 우리는 사람들이 자신의 일을 하면서 육체적으로나 정신적으로 스스로를 돌볼 수 있도록 돕는 방법에 집중해 왔습니다. |
| |
고객에게 봉사하고, 소비자에게 봉사하고, 또한 우리가 살고 있는 지역 사회를 지원합니다. 우리는 사람들이 웰빙에 대한 다양한 측면을 교육하고 실천할 수 있도록 하는 내부 및 외부 프로그램을 보유하고 있습니다. |
| |
따라서 팬데믹이 발생함에 따라 개인과 부서 모두에 대한 지원을 제공하는 방식을 변경해야 했습니다. |
| |
직원마다 처한 상황이 다르기 때문에 |
| |
회사에서 하는 직업이든, 사는 위치든, 건강이나 다른 가족 구성원의 보살핌과 관련된 개인 환경이든 상관 없습니다. |
| |
그래서 제가 몇 년 동안 가르쳐온 것은 한 물리적 장소에서 직접 수업을 가르치는 것입니다. 사람들이 그 방에 나타날 것이고 나는 스트레스와 회복력, 명상에 대한 정보를 공유할 것입니다. 그리고 우리 모두는 강제로 라이브 스트리밍으로 전환했습니다. |
| |
우리 청중 중 상당수가 다른 시간대와 다른 언어를 사용하기 때문에 내 청중은 전 세계로 퍼져 나가고 있습니다. 그리고 이 프레젠테이션을 위해 지금 하고 있는 것처럼 라이브 스트리밍 기술을 가지고 노는 것입니다. |
| |
그래서 우리는 스위치를 만들면서 이 웰빙 프로그램이 얼마나 효과적인지 궁금했습니다. 콘텐츠와 이 새로운 형식의 글로벌 라이브 스트리밍이 웰빙을 위한 최고의 정신 및 정서적 건강 영역에 어떤 영향을 미칩니까? |
| |
나는 명상 없이라는 과정을 가르친다 |
| |
기대. 8주 동안 진행되는 라이브 스트리밍 글로벌 과정입니다. 일주일에 한 번 45분 동안 만나요. |
| |
매우 경험적입니다. 간단한 소개로 시작한 다음 대부분의 수업에 대해 연습을 합니다. |
| |
그런 다음 참가자들은 그 접근 방식이 무엇이든 간에 일주일 내내 연습하도록 권장됩니다. 목표는 사람들이 자신의 개인적인 마음챙김으로 더 자급자족하는 것입니다. |
| |
주의력, 집중력, 회복력, |
| |
공감, 스트레스 감소, 이러한 기술을 더 오랜 기간 동안 연습합니다. |
| |
우리 주변에서 무슨 일이 일어나고 있는지, 어떻게 느끼고 있는지, 무엇을 생각하고 있는지, |
| |
스트레스와 관련된 다양한 측면과 이를 줄이는 방법, 이러한 경험에 대한 다른 접근 방식, 그리고 기쁨을 향상시키는 방법. |
| |
우리는 통찰력, 훈련 및 연민과 관련된 여러 가지 다른 관행을 통해 이를 수행합니다. 따라서 여덟 가지 다른 관행 중에서 지금 여기 있는 것과 관련된 몇 가지가 있습니다. |
| |
오감 명상이 그 예가 될 것입니다. |
| |
그냥 보고, 듣고, 그냥 |
| |
냄새, 맛만, |
| |
지금 막 여기까지 온 예로서 피부에 어떤 것이 있는지 느껴보세요. 우리는 또한 내성과 감사와 관련된 관행이 있습니다. |
| |
우리는 항상 산만하기 때문에 산만함을 처리합니다. 마음은 그 일을 할 뿐이므로 계산 연습, 만트라 수행이 그 예입니다. 우리는 또한 심장과 관련된 관행이 있습니다. |
| |
그래서 이러한 아주 오래된 관행, 메타 |
| |
그리고 통렌은 수천 년 동안 아시아의 문화에서 나와서 사랑의 친절, 다른 사람을 돌보는 일, 주고 받는 일을 실천합니다. |
| |
그리고 마지막으로 선택의 여지가 없는 인식의 마지막 것입니다. |
| |
그냥 있어. |
| |
아무것도 하지 않고 그냥 있는 것. Zen 사이에서 매우 인기가 있습니다. |
| |
예를 들어 실무자. 지난 1년 동안 1,000명 이상의 사람들이 이 과정에 등록했습니다. 등록한 사람들의 약 50%가 실제로 전체 8주를 완료했으며 몇 가지 통계를 공유하겠습니다. |
| |
이러한 제안이 실제로 무엇을 제공하는지 보여줍니다. |
| |
우리는 설문 조사 |
| |
코스 전과 코스 후 참가자의 태도와 행동. 의료 표준에 따라 45가지 질문이 있습니다. |
| |
설문조사는 자발적이고 익명이며 기본적으로 이 네 가지 표준 설문지를 살펴보고 있습니다. 첫 번째는 5면 마음챙김 설문지입니다. |
| |
우리는 또한 공감과 관련된 대인 반응성 지수를 사용하므로 공감적 관심과 관점, 다른 관점을 취합니다. |
| |
슬픔 회복력 척도와 인지된 스트레스 척도는 오늘 시연에 집중할 것입니다. |
| |
이것은 사람들이 스트레스에 대해 어떻게 느끼는지, 자신이 처한 상황의 스트레스성, |
| |
이 명상 코스와 같은 스트레스 감소 중재의 효과. 따라서 표준 진술, 묻는 질문은 예측할 수 없음을 나타냅니다. |
| |
그 사람은 자신의 상황이 통제 가능한지 아닌지, 과부하를 느끼는지, 그리고 나서 그들이 느끼는 무력감 수준이 어느 정도인지 느끼고 있습니다. |
| |
이 상황에 대해 그들이 할 수 있는 일은 없습니다. |
| |
또는 자기 효능감, 상황이 바뀔 것이라고 느끼는 정도와 스트레스를 관리할 수 있다는 자신감이 있습니다. 그래서 우리는 과부하 느낌과 그 상황에서 통제되지 않는 느낌과 관련된 두 가지 하위 척도에 초점을 맞출 것입니다. |
| |
우리는 시연뿐만 아니라 이러한 과정을 위해 의도적으로 스트레스에 초점을 맞추고 있습니다. 왜냐하면 오늘날 세계에서 가장 위험한 생활 방식 요소 중 하나이기 때문입니다. |
| |
많은 조직이 여기저기서 나오는 다양한 보고서에 대응하기 위해 통합 웰빙 프로그램을 개발하고 있습니다. 세계보건기구(WHO)는 지난 10년 이상 동안 만성적이거나 해결되지 않은 스트레스가 생활 방식의 가장 큰 위험 요인임을 확인했습니다. |
| |
비만과 신체 활동 부족은 전 세계적으로 신체적, 정신적 만성 질환에 가장 크게 기여합니다. |
| |
그래서 |
| |
좋은 소식, 결과에 대한 간략한 요약은 이 8주 기간 동안 눈에 띄는 증가를 보았다는 것입니다. |
| |
우리가 처음 들어오는 데이터를 보았을 때 여기서 우리가 보는 것의 간단한 수단은 마음챙김 전반에 걸쳐 눈에 띄게 증가하는 것을 볼 수 있습니다. |
| |
공감, 회복력, 또한 사람들이 스트레스를 인식하는 방식의 명확한 감소. 좋습니다 |
| |
사전 및 사후 쌍 응답에서 설문 조사 결과 중 일부. 그래서 그는 지금 인계받아 설문조사에서 얻은 이 응답으로 작업한 작업에 대한 JMP 기능 중 일부를 보여줍니다. |
| 안 |
고마워요, 애니. |
| |
내 화면 보고 있니? 나는 할 수 없다. |
| |
안녕하세요 여러분, 시간이 좀 필요하고 잘 모르겠습니다. 여기에서 작동하지 않습니다. |
| |
고마워요, 애니. 안녕하세요, 여러분. 제 이름은 나라야난입니다. |
| |
저는 P&G의 고급 소비자 모델링 및 통계 부서의 일원입니다. 오늘 하고 싶은 것은 그 데이터에 대한 분석 내용을 공유하는 것입니다. |
| |
Annie가 방금 설명한 프로그램에서 왔습니다. 그래서 제 의제는 세 가지 주제로 구성될 것입니다. 요인 모형 최적화에 대해 이야기한 다음 확인 요인 분석에 대해 이야기하겠습니다. |
| |
최적화된 요인 모델. 그런 다음 마지막으로 종단 측정 불변성에 대해 논의하겠습니다. 이는 시간 경과에 따른 잠재 수단 과정의 변화를 측정하기를 원하기 때문에 중요합니다. 그럼 바로 첫 번째 주제로 넘어가 보겠습니다. |
| |
그리고 요인 모델 최적화, 왜 우리가 이것을 하고 있습니까? 그 이유는... 제가 이 일을 하고 싶은 두 가지 이유가 있습니다. 먼저 애니가 언급한 10가지 질문 |
| |
측정에 관심이 있는 두 가지 구성에 대해 실제로 최적화되지 않았습니다. |
| |
또한 샘플 크기가 작기 때문에 사전 및 사후에서 너무 많은 질문이 발생하지 않도록 하고 싶습니다. |
| |
이것이 우리가 요인 모델 최적화를 수행하는 두 가지 이유입니다. 그리고 그렇게 하기 위해, 저는 고전적인 테스트 이론에서 두 가지 아이디어를 끌어낼 것입니다. |
| |
하나는 신뢰성입니다. 신뢰성은 실제로 측정의 일관성과 관련이 있습니다. 우리는 구성 내의 항목이 동일한 것을 측정하고 있는지 확인하고 싶습니다. 그리고 신뢰성에 대한 다양한 측정이 있습니다. 여기서 제가 사용할 것은 |
| |
신뢰도 계수 또는 Cronbach의 알파. 거기에서 공식을 볼 수 있습니다. 그리고 이것을 사용하는 한 가지 이유는 옵션 항목 안정성을 사용하는 JMP의 다변수 플랫폼에서 사용할 수 있기 때문입니다. |
| |
이제 하나 |
| |
이 측정의 단점은 모든 변수 또는 항목이 동등하게 신뢰할 수 있다고 가정한다는 것입니다. |
| |
그리고 일부 항목의 신뢰도가 다른 항목과 동일하지 않다는 것을 알고 있으며 이 경우 평균 분산 추출기를 사용할 수 있습니다. |
| |
이제 그게 뭐야? 이를 설명하기 위해 여기서는 확인 요인 모델의 경로 다이어그램을 실제로 사용하겠습니다. 여기에 설명하려는 세 가지 구성 요소가 있습니다. |
| |
실제로 원으로 둘러싸인 맨 위에 있는 것이 잠재 변수입니다. |
| |
그런 다음 직사각형으로 둘러싸인 맨 아래에 표시기가 있습니다. 그리고 이 예에는 이 잠재 변수를 활용하는 큰 질문인 4개의 표시기가 있습니다. |
| |
그런 다음 4개의 Lambda 변수가 있습니다. 이는 실제로 각 지표의 강도를 제공하는 요인 로딩입니다. |
| |
구조를 두드리는 것. 따라서 추출된 평균 분산은 람다 함수와 |
| |
하단에 있는 오류의 분산. 델타는 맨 아래에 있습니다. 다음은 오류입니다. |
| |
구성 요소. 그리고 편의상 이를 측정 오차로 간주하고 이러한 오차의 분산도 추출된 평균 등급 계산에 포함됩니다. |
| |
수식을 보면 하단에 오차 분산이 없으면 최대값이 1이 되고 그것이 우리가 원하는 것입니다. |
| |
그래서 |
| |
신뢰도를 측정하는 데에도 유용한 또 다른 항목은 항목 신뢰도이며, 이는 실제로 잠재 변수에 대한 지표의 이러한 회귀 각각의 개별 R 제곱에 불과합니다. 그리고 우리는 JMP에 들어갈 때 그것을 보게 될 것입니다. |
| |
두 번째로 중요한 고전 검정 이론의 개념은 타당도입니다. 타당도는 변수가 측정해야 하는 것을 측정하는지 여부와 관련됩니다. 그리고 여기에서도 다양한 |
| |
유효성 버전. 내가 초점을 맞추려고 하는 것은 측정하는 구성이 고유하고 구별되는지 여부와 관련된 판별 타당성입니다. |
| |
자, 이 두 가지 개념을 사용하여 실제로 JMP에 들어가 우리가 수행한 모델링의 세부 사항 중 일부를 보여 드리겠습니다. 10가지 질문에 대한 탐색적 요인 분석부터 시작하겠습니다. |
| |
스트레스 영역과 관련이 있습니다. 이제 모든 분석에서 나는 |
| |
분석 결과를 보여줍니다. 시간이 오래 걸리고 JMP에 잘 문서화되어 있으므로 이 단계를 포인트 앤 클릭 방식으로 단계별로 안내하지 않겠습니다. |
| |
우리가 이라고 부르는 큰 |
| |
오버로드된 구성 요소와 세 개의 항목이 있는 더 작은 구성 요소를 제어할 수 없는 것으로 호출합니다. 따라서 이것은 탐색적 요인 분석이며 두 가지 요인을 뒷받침하는 것으로 보입니다. |
| |
그리고 우리는 그것이 사실인지 우리 데이터에서 확인하고 싶고 데이터가 이를 뒷받침할 것입니다. 그래서 동일한 10개 질문에 대한 확증적 요인 분석을 시작하겠습니다. |
| |
그리고 과부하된 컴포넌트는 7개의 인디케이터에 연결되어 있고 제어불가능한 컴포넌트는 3개의 인디케이터에 연결되어 있음을 알 수 있습니다. |
| |
우리는 이 데이터가 얼마나 잘 맞는지...이 모델이 데이터에 얼마나 잘 맞는지 보고 싶습니다. 그리고 우리는 카이 제곱을 보면 ... 카이 제곱은 34 자유도에서 44이고 유의하지 않으므로 이 모델이 데이터에 의해 뒷받침됨을 알 수 있습니다. |
| |
그리고 맨 아래에서 보고 싶은 또 다른 것은 제가 언급한 구성 유효성 매트릭스입니다. |
| |
이 행렬의 대각선은 추출된 평균 분산을 제공합니다. 그리고 통제불능 요인의 분산이 다소 높고 과부하된 요인의 분산이 실제로 낮은 것을 알 수 있습니다. |
| |
직교 요소는 각 요소가 다른 요소와 공유하는 분산의 양을 알려줍니다. 그리고 과부하된 요인에 대한 분산은 다음과 같습니다. |
| |
통제할 수 없는 요인 점유율은 실제로 대각선에 표시된 것처럼 자체 지표를 공유하는 분산보다 높습니다. 그리고 이것은 우리가 원하는 최적화된 요소 구조가 아닙니다. |
| |
그리고, 가서 보면 |
| |
추정치가 포함된 경로 다이어그램을 통해 실제로 다음을 볼 수 있습니다. |
| |
여기에 표시된 개별 항목 신뢰도 |
| |
여기 직사각형. 그리고 당신은 볼 수 있습니다 |
| |
과부하 요인 구성 요소에 연결된 7개의 지표는 .277에서 .551까지의 항목 신뢰도가 다릅니다. |
| |
그리고 우리는 다음 중 몇 가지를 선택하고 싶습니다. |
| |
높은 신뢰성을 가지고 있습니다. |
| |
그래서 우리는 아이템 신뢰도의 이러한 개념을 사용할 것입니다. |
| |
사실, 우리 요인을 최적화하기 위해 타당성을 식별합니다. |
| |
그리고 나는 돌아가서 볼 것이다. |
| |
이 모든 메트릭을 테이블에 통합합니다. |
| |
그리고 이 테이블에는 이 두 열에 Cronbach's alpha가 있고 항목이 삭제될 때 Cronbach's alpha에 변화가 있습니다. |
| |
전체 합성의 Cronbach's alpha에서 나왔고 마지막 열에 항목 신뢰도가 있습니다. 따라서 이 숫자 행렬을 살펴보고 요인을 최적화하는 한 가지 방법은 아마도 상위 3개 항목인 높은 신뢰도를 가진 항목을 선택하는 것입니다. |
| |
이제 이 특정 상황에서 |
| |
그만큼 |
| |
항목이 삭제될 때 Cronbach의 알파입니다. 그리고 세 번째 항목을 보면, |
| |
그 항목이 세 번째로 높더라도 |
| |
항목 신뢰도, 이 칼럼을 볼 때 저는 이것을 알파 델타라고 부릅니다. |
| |
항목이 삭제될 때 전체 합성에서 신뢰도의 변화입니다. 사실 3번 항목에 큰 변화가 있어서 이 항목을 선택하지 않았고, 사실 바로 아래에 있는 항목을 선택했습니다. |
| |
따라서 최적화된 요인 솔루션의 경우 첫 번째 요인과 다섯 번째 항목에서 상위 2개 항목을 선택한 다음 두 번째 요인인 제어 불가능에 대해 상위 2개 항목을 선택하겠습니다. 아이템 신뢰도가 매우 낮습니다. |
| |
그래서, 가지고 |
| |
10개 질문에서 5개 질문으로 요인 솔루션 최적화, |
| |
최적화된 요소 솔루션을 확인하고 방금 논의한 모든 메트릭의 관점에서 우리가 어떻게 하고 있는지 확인할 것입니다. |
| |
여기 최적화된 요인 솔루션이 있습니다. 주문 요인에는 3개의 지표, 제어할 수 없는 요인, 2개의 지표가 있으며 다시 우리 모델이 데이터에 훨씬 더 잘 맞습니다. 2의 카이 제곱, 4 자유도 및 카이 제곱 값은 거부되지 않습니다. |
| |
그럼 우리는 내려가 |
| |
그리고 차별적 타당성을 봅니다. 이제 최적화된 요인 솔루션을 통해 과부하의 분산이 실제로 증가한 것을 볼 수 있습니다. |
| |
통제할 수 없는 것과 공유하는 분산이 감소했습니다. 따라서 직교 값은 대각선의 값보다 작으며 이것이 바로 우리가 지원하고자 하는 것입니다. |
| |
유효성을 구별합니다. 따라서 솔루션을 최적화하여 판별 타당성을 달성했으며 원래 10개 질문보다 더 나은 모델도 얻었습니다. |
| |
좋아, 그래서 우리는 요인 솔루션을 최적화했습니다. |
| |
다음 단계는 측정 모델 불변성을 수행하는 것입니다. |
| |
우리가 어디에 있는지 상기시켜 봅시다. 우리는 많은 다른 테이블과 분석을 보았습니다. 우리는 |
| |
공감, 스트레스, 회복력, 마음챙김. |
| |
그리고 우리는 스트레스에만 집중할 것입니다. 여기서 우리가 대답하고자 하는 주요 질문은 잠재 변수에 대한 평균 점수가 향상되었다는 것입니다. |
| |
8주 프로그램 동안 사전에서 포스트까지? |
| |
그리고 그것을 확립하기 위해 우리는 먼저 종단 측정 불변성을 보여야 합니다. |
| |
이제 그게 뭐야? 사실, 최근에 이에 대해 알게 되었고 JMP 개발자인 Laura Schilo와 Paul Russo가 작성한 훌륭한 논문을 여기에 인용하겠습니다. |
| |
Structural Equation Modeling 최신호에서 종단 측정 불변성을 포함하여 JMP의 모든 다양한 기능에 대해 자세히 설명했습니다. |
| |
종방향 측정 불변성의 개념은 잠재 변수의 의미가 시간이 지남에 따라 변경되지 않았는지 확인하는 것입니다. |
| |
잠재 변수의 평균 변화를 계산하기 전에 처음과 끝에서 동일한 것을 측정하고 있는지 확인해야 합니다. 이를 확립하기 위해서는 4단계가 있습니다. |
| |
이들은 실제로 4가지 다른 모델입니다. 첫 번째는 동일한 수의 요인과 로딩 패턴으로 최소한의 제한을 갖는 구성 모델입니다. |
| |
두 번째는 약한 불변성 모델로, 몇 가지 제한 사항을 더 추가합니다. 우리는 나사를 조금 더 조이고 질문합니다. 이 모델이 여전히 지원됩니까? |
| |
그런 다음 나사를 더 조이고 이것 위에 항목 가로채기의 품질을 부과하면 어떻게 될까요? 그럼 드디어, |
| |
나사의 마지막 스레드, 항목 편차를 추가하고 두 시점에 걸쳐 항목 편차의 품질을 설정하면 어떻게 될까요? |
| |
따라서 이 작업을 단계별로 수행하는 방법에 대한 자세한 내용은 방금 언급한 해당 문서에 포함되어 있습니다. 여기서는 결과만 보여드리겠습니다. |
| |
죄송합니다. |
| |
그래서 이것에 |
| |
경로 다이어그램, 내가 보여주는 |
| |
사전 조사 단계와 사후 조사 단계 모두에서 과부하 및 통제 불가능한 두 가지 요소. 그래서 우리는 오버로드된 사전, 제어할 수 없는 사전, 그리고 포스트에 대해 동일한 것을 가지고 있습니다. |
| |
과부하는 세 가지 항목으로 설명되고 제어할 수 없음은 두 항목으로 연결됩니다. 이제 여기에 있는 글자가 다릅니다. |
| |
모델에 적용된 제약 조건. 예를 들어, C3 |
| |
과부화부터 '초조하고 스트레스 받는' 아이템까지 |
| |
게시물의 동일한 항목과 동일하도록 제한됩니다. 그리고 이것은 제약 조건이 지원되는지 확인하기 위해 모델에 적용하는 제약 조건의 일부입니다. |
| |
따라서 문자는 모델에 적용된 다양한 제약 조건을 나타내며 이러한 추정치는 동일하게 만들어집니다. 비슷하게, |
| |
등가 항목의 절편도 동일하게 만들어집니다. |
| |
로 표시되는 |
| |
ㅏ. |
