CN102799970A - 一种基于雷达图的教育测评数据处理方法及系统 - Google Patents
一种基于雷达图的教育测评数据处理方法及系统 Download PDFInfo
- Publication number
- CN102799970A CN102799970A CN2012102476723A CN201210247672A CN102799970A CN 102799970 A CN102799970 A CN 102799970A CN 2012102476723 A CN2012102476723 A CN 2012102476723A CN 201210247672 A CN201210247672 A CN 201210247672A CN 102799970 A CN102799970 A CN 102799970A
- Authority
- CN
- China
- Prior art keywords
- radar map
- achievement
- test subject
- student
- mark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于雷达图的教育测评数据处理方法及系统，其中，所述方法包括以下步骤：预先存储成绩雷达图的面积与用于评价学生成绩的评价数据的对应关系；录入学生的各个考试科目的分数，根据所述各个考试科目的分数生成学生的成绩雷达图；根据所述成绩雷达图自动计算所述成绩雷达图的面积；根据所述成绩雷达图输出与该成绩雷达图对应的评价数据。本发明在常用雷达图上做出改进，可通过测试方录入考核要求、关注侧重点，针对性地检验被测试方与招生单位相匹配的能力，给出更为客观、有效的评价。
Description
技术领域
本发明涉及教育测评技术领域，尤其涉及一种基于雷达图的教育测评数据处理方法及系统。
背景技术
考试是考查对学生所掌握的知识和技能情况的评价手段，尤其是对于一些选拔性的考试来说，学生的得分对于其最终的选拔结果有着重要的影响，其微小的差别有可能影响学生的一生，但目前的状况是选拔者一般都只关注学生的各科得分情况，如果两学生的各科总分相同或差不多，则无法对学生的综合情况进行评价，因而在一些竞争激烈或有特殊要求的测试中，无法获得对学生的综合情况进行一个较公正的评价。
因此，现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足，本发明的目的在于提供一种基于雷达图的教育测评数据处理方法及系统，旨在解决现有教育测评数据处理方法在总分相同或相近的情况下无法对学生的成绩进行有效评价的问题。
本发明的技术方案如下：
一种基于雷达图的教育测评数据处理方法，其中，包括以下步骤：
A、预先存储成绩雷达图的面积与用于评价学生成绩的评价数据的对应关系；
B、录入学生的各个考试科目的分数，根据所述各个考试科目的分数生成学生的成绩雷达图；
C、根据所述成绩雷达图自动计算所述成绩雷达图的面积；
D、根据所述成绩雷达图输出与该成绩雷达图对应的评价数据。
所述的基于雷达图的教育测评数据处理方法，其中，所述步骤B包括：
按照考试科目的分数高低调整所述成绩雷达图上考试科目的排列顺序。
所述的基于雷达图的教育测评数据处理方法，其中，所述排列顺序满足：相邻考试科目的分数之差小于相隔两考试科目的分数之差。
所述的基于雷达图的教育测评数据处理方法，其中，所述步骤B包括：
根据考试科目的相关性调节所述成绩雷达图上相邻考试科目之间的夹角。
所述的基于雷达图的教育测评数据处理方法，其中，所述考试科目之间的夹角满足：相关性大的相邻考试科目之间的夹角小于相关性小的相邻考试科目之间的夹角。
所述的基于雷达图的教育测评数据处理方法，其中，当学生的考试科目数量为n时，所述成绩雷达图的面积S为
其中sn+1＝s1，其中Si为第i门考试科目的分数。
一种基于雷达图的教育测评数据处理系统，其中，其包括：
数据存储模块，用于预先存储成绩雷达图的面积与用于评价学生成绩的评价数据的对应关系；
成绩雷达图生成模块，用于录入学生的各个考试科目的分数，根据所述各个考试科目的分数生成学生的成绩雷达图；
雷达图面积计算模块，用于根据所述成绩雷达图自动计算所述成绩雷达图的面积；
评价数据生成模块，用于根据所述成绩雷达图输出与该成绩雷达图对应的评价数据。
所述的基于雷达图的教育测评数据处理系统，其中，所述成绩雷达图生成模块包括一调序模块，用于按照考试科目的分数高低调整所述成绩雷达图上考试科目的排列顺序。
所述的基于雷达图的教育测评数据处理系统，其中，所述成绩雷达图生成模块还包括一夹角调节模块，用于根据考试科目的相关性调节所述成绩雷达图上相邻考试科目之间的夹角。
有益效果：本发明在常用雷达图上做出改进，通过测试方(例如招生单位，考核评估人员)录入考核要求、关注侧重点，针对性地检验被测试方(学生，应聘人员等)与招生单位相匹配的能力，给出更为客观，有效的评价。另外，通过对各变量相关矩阵参数指导下的成绩雷达图变量间夹角的分配，减小具有相关性变量间的影响，对学生给出更为客观的整体评价。
附图说明
图1为本发明基于雷达图的教育测评数据处理方法较佳实施例的流程图。
图2为本发明基于雷达图的教育测评数据处理系统较佳实施例的结构框图。
图3为图2所示系统中成绩雷达图生成模块的具体结构框图。
图4为本发明中成绩雷达图一个实施例的示意图。
具体实施方式
本发明提供一种基于雷达图的教育测评数据处理方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于雷达图的教育测评数据处理方法，如图1所示，包括以下步骤：
S101、预先存储成绩雷达图的面积与用于评价学生成绩的评价数据的对应关系；
S102、录入学生的各个考试科目的分数，根据所述各个考试科目的分数生成学生的成绩雷达图；
S103、根据所述成绩雷达图自动计算所述成绩雷达图的面积；
S104、根据所述成绩雷达图输出与该成绩雷达图对应的评价数据。
在步骤S101中，先存储成绩雷达图的面积与用于评价学生成绩的评价数据的对应关系，成绩雷达图的面积大小代表了该学生的成绩情况，至于具体的如何对成绩雷达图的面积与评价数据的关系进行设置，可参考下文。
在步骤S102中，先录入学生各个考试科目的成绩，例如，在某次期末测验中，共进行五门测试，分别是语文、数学、英语、物理及化学；
在此次考试中，甲同学在此次测验中，各科成绩分别为语文85、数学79、英语91、物理75及化学83；乙同学在此次测验中，各科成绩分别为语文83、数学86、英语81、物理82及化学81。
然后分别在系统中录入甲乙同学各门考试科目的分数，以便对甲乙同学的成绩进行评价。
通过计算可知甲、乙同学在此次考试中的总分均为413分，如果按照以往的评价标准则无法分析出甲、乙两同学在此次考试中的细微差距，这是传统方法的不足。
本发明则是通过在雷达图上分布学生的各个考试科目的成绩，从而针对性地检验学生的能力，给出更为客观、有效的评价。其具体的方法请见下文。
将已经录入好的学生各科成绩分布在雷达图上，从而获得直观的成绩雷达图，例如图4所示的成绩雷达图表示了各科成绩在雷达图上的分布及顺序，外面的一圈代表了各科成绩满分分值，里面的一圈代表了学生所得的各科成绩，各个考试科目的分数所围成的面积称之为成绩雷达图的面积，通过分析计算该成绩雷达图的面积即可获得用于评价学生成绩的评价数据。当然，在该成绩雷达图上需要事先设置好与考试科目的数量相同的坐标轴，然后在该坐标轴上分别记录考试科目的分数。至于成绩雷达图上的坐标轴的设置以及考试科目的排列顺序在下文会有详述。
步骤S103就是具体的生成成绩雷达图的面积的过程，例如对于学生甲的成绩雷达图，其面积通过计算为
，而对于学生乙的成绩雷达图，其面积通过计算为
，由此，可以看出，学生甲的成绩雷达图的面积大于学生乙的成绩雷达图的面积。
在步骤S104中，根据所述成绩雷达图输出与该成绩雷达图对应的评价数据。例如学生甲的成绩雷达图的面积大于学生乙的成绩雷达图的面积，则可初步判断学生甲在此次考试的表现略好于学生乙的表现。但这种判定方法，还存在缺陷，因为成绩雷达图上各个考试科目的排列顺序是随机设定的，并没有按照一定规则去排列，而如果按照不同排列顺序生成成绩雷达图，其生成的成绩雷达图的面积则有较大的差别。对于上述实施例中各个考试科目的排列顺序为语文、数学、物理、化学、英语，其最后获得的结果是学生甲的成绩雷达图的面积大于学生乙的成绩雷达图的面积。而如果将成绩雷达图上的各个考试科目的排列顺序设置为语文、数学、英语、化学、物理，则学生甲成绩雷达图面积为：
，学生乙的成绩雷达图的面积为34113，由此可知，学生甲的成绩雷达图的面积小于学生乙的，这与之前的结果相反。这是由于根据均值不等式规律，在相同因数的交叉相乘再求和的计算中，采用大数与大数、小数与小数结合的方式计算结果将会更大。所以我们需要根据学生考试科目的分数高低来定制学生的成绩雷达图。
例如，学生甲的语文与数学分数最高，可将它们相邻排列，而化学与英语的分数最低，可将这两科相邻排列，按照这种规律来设置学生的成绩雷达图，获得学生的最大面积的成绩雷达图，从而避免不同排列顺序条件下，所生成的成绩雷达图不同的情况，只比较各学生的最大面积的成绩雷达图。
在本发明中，成绩雷达图的面积等于各相邻考试科目的分数所构成的各三角形面积之和，若成绩雷达图的考试科目的数量为n，则考试科目的分数即成绩雷达图上的坐标轴长度依次为s1，s2，...，sn，则其面积S为：
其中sn+1＝s1，其中Si为第i门考试科目的分数，i属于1，2，3...n。当然上述公式是在各门考试科目的夹角相同的情况下的计算公式。针对各门考试科目的夹角不相同的情况，下午有详述。
对于有n各变量的雷达图展示，在不考虑雷达图的坐标轴相邻角度问题下，不考虑顺逆时针差别，根据排列组合原则，相对位置不同的排序方式的计算如下：
选取一个变量为参照，共有(n-1)！种排列，除去顺逆时针差别，共有
种排列方式，与之相对应，有
种面积求法。根据均值不等式总和相同的因子，大数与大数相乘，小数与小数相乘的组合方式求得的积和更大的原理，我们可以事先根据需求设定各变量的排列方式O，再计算面积的方式在计算带N维可测数据的元组的综合指标，即综合分析各个考试科目的不同排列顺序下的成绩雷达图，从而获得综合评价指标，更加客观有效的评价学生成绩。
在本发明中，成绩雷达图上相邻考试科目之间的夹角，即相邻考试科目所在坐标轴之间的夹角大小可以是都相同，或者根据考试科目的相关性进行调节，在上述实施例中，学生甲与学生乙的成绩雷达图，相邻考试科目之间的夹角是相同的，即都为72度，但是如果希望得到一个更加真实的评价数据，则需要根据实际情况来分配相邻考试科目之间的夹角。下面具体说明如何进行分配角度。
本发明中，分配相邻考试科目之间的夹角，其主要思想是根据考试科目的相关性来调节，总体概括起来是相邻两考试科目的相关性越大，则它们之间的夹角越小，即相关性大的相邻考试科目之间的夹角小于相关性小的相邻考试科目之间的夹角。在极端情况下，如果两考试科目的相关性为1，即两考试科目相同的情况下，则说明这两门考试科目可相互取代，它们之间的夹角设为0度，本发明可以通过这样的分配方法来调节各相邻考试科目之间的夹角，从而消除不同考试科目相关性影响，使得总体评价更为客观。
对于分配角度的算法，可通过下面的方法来获得：
1、计算带n维变量的M元组的相关矩阵，其变量为{V1，V2，...，Vn}，求其原始相关矩阵，其中的n即可代表考试科目的数量，变量代表考试科目的分数。
| V1 | V2 | V3 | V4 | ... | Vn | |
| V1 | 1 | ... | ||||
| V2 | r12 | 1 | ... | |||
| V3 | r12 | r22 | 1 | ... | ||
| V4 | r14 | r24 | r34 | 1 | ... | |
| ... | ... | ... | ... | ... | ||
| Vn-1 | r1，n-1 | r2，n-1 | r3，n-1 | ... | ||
| Vn | r1，n | r2，n | r3，n | r4，n | ... | 1 |
2、根据原始相关矩阵求变量排序，求排序的方法主要有两种：一种为逐步求最大法，第一步选择一个最大系数rij，再选择一个k，使得
最大，由此确定一个排序ijklm...；第二种方法为指派问题的匈牙利解法，将原始相关矩阵的对角线元素以及对角线以上元素全部设为一个绝对值较大的负数，再用max(rij)减去新矩阵的所有元素，然后根据匈牙利解法求此指派问题的最小值，得到的解对应了一个排序{i1，i2，i3，...，in}，同时，也确定下了需要使用的相关系数
3、通过相关系数对角度进行分配，采用公式
采用上述方法，即可获得根据两相邻考试科目的相关性系数来确定所述两相邻考试科目之间的角度，从而获得一个更加客观准确的评价数据。考核人员还可根据考核要求、关注的侧重点来调节考试科目的排列顺序以及相邻考试科目之间的夹角，从而有针对性对其需要测评的能力进行评价，给出一个更加真实的数据。
由于雷达图的重要特点是直观，因而从成绩雷达图上可直观地看出学生的成绩状况，根据学生的成绩雷达图还可将成绩雷达图分为积极发展型、消极收缩型以及正常表现型。其具体的分类方法是在成绩雷达图上预先设置一代表学生正常表现的圆，例如以各科成绩为80分所画的圆，若学生的各门考试科目全部或者大部分都超过80，即各门考试科目所连成的折线在圆以外，可将该学生在此次考试中的表现定为积极发展型；若学生的各门考试科目全部或者大部分都小于80，则可将该学生在此次考试的表现定为消极收缩型；若学生的各门考试科目全部或者大部分在80左右，则可将该学生在此次考试的表现定为正常表现型。由于成绩雷达图可很直观的观看，所以考评者将很容易的查看学生在此次考试中的表现为哪一个类型。当然，在上述方法中，并不一定需要规定正常表现的分数均为80，可根据各门考试科目的实际难以程度，预置各门考试科目正常表现所需的分数，从而更加符合实际情况，使老师和家长更容易查看学生在此次考试中的表现。
基于上述方法，本发明还提供一种基于雷达图的教育测评数据处理系统，如图2所示，其包括：
数据存储模块100，用于录入学生的若干考试科目的分数；
成绩雷达图生成模块200，用于根据所述若干考试科目的分数生成成绩雷达图；
雷达图面积计算模块300，用于根据所述成绩雷达图自动生成所述成绩雷达图的面积；
评价数据生成模块400，用于根据所述成绩雷达图的面积输出用于评价学生成绩的评价数据。至于上述各模块的功能作用在前面的方法中已有详述，故不再赘述。
进一步，如图3所示，所述成绩雷达图生成模块200包括一调序模块210，用于按照考试科目的分数高低调整所述成绩雷达图上考试科目的排列顺序。
进一步，所述成绩雷达图生成模块200还包括一夹角调节模块220，用于根据考试科目的相关性调节所述成绩雷达图上相邻考试科目之间的夹角。关于上述两模块的功能作用在前面的方法中也有详述，不再赘述。
综上所述，本发明在常用雷达图上做出改进，通过测试方(例如招生单位，考核评估人员)录入考核要求、关注侧重点，针对性地检验被测试方(学生，应聘人员等)与招生单位相匹配的能力，给出更为客观，有效的评价。另外，通过对各变量相关矩阵参数指导下的成绩雷达图变量间夹角的分配，减小具有相关性变量间的影响，对学生给出更为客观的整体评价。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (9)
1.一种基于雷达图的教育测评数据处理方法，其特征在于，包括以下步骤：
A、预先存储成绩雷达图的面积与用于评价学生成绩的评价数据的对应关系；
B、录入学生的各个考试科目的分数，根据所述各个考试科目的分数生成学生的成绩雷达图；
C、根据所述成绩雷达图自动计算所述成绩雷达图的面积；
D、根据所述成绩雷达图输出与该成绩雷达图对应的评价数据。
2.根据权利要求1所述的基于雷达图的教育测评数据处理方法，其特征在于，所述步骤B包括：
按照考试科目的分数高低调整所述成绩雷达图上考试科目的排列顺序。
3.根据权利要求2所述的基于雷达图的教育测评数据处理方法，其特征在于，所述排列顺序满足：相邻考试科目的分数之差小于相隔两考试科目的分数之差。
4.根据权利要求1所述的基于雷达图的教育测评数据处理方法，其特征在于，所述步骤B包括：
根据考试科目的相关性调节所述成绩雷达图上相邻考试科目之间的夹角。
5.根据权利要求4所述的基于雷达图的教育测评数据处理方法，其特征在于，所述考试科目之间的夹角满足：相关性大的相邻考试科目之间的夹角小于相关性小的相邻考试科目之间的夹角。
6.根据权利要求1所述的基于雷达图的教育测评数据处理方法，其特征在于，当学生的考试科目数量为n时，所述成绩雷达图的面积S为
其中sn+1＝s1，其中Si为第i门考试科目的分数。
7.一种基于雷达图的教育测评数据处理系统，其特征在于，其包括：
数据存储模块，用于预先存储成绩雷达图的面积与用于评价学生成绩的评价数据的对应关系；
成绩雷达图生成模块，用于录入学生的各个考试科目的分数，根据所述各个考试科目的分数生成学生的成绩雷达图；
雷达图面积计算模块，用于根据所述成绩雷达图自动计算所述成绩雷达图的面积；
评价数据生成模块，用于根据所述成绩雷达图输出与该成绩雷达图对应的评价数据。
8.根据权利要求7所述的基于雷达图的教育测评数据处理系统，其特征在于，所述成绩雷达图生成模块包括一调序模块，用于按照考试科目的分数高低调整所述成绩雷达图上考试科目的排列顺序。
9.根据权利要求7所述的基于雷达图的教育测评数据处理系统，其特征在于，所述成绩雷达图生成模块还包括一夹角调节模块，用于根据考试科目的相关性调节所述成绩雷达图上相邻考试科目之间的夹角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012102476723A CN102799970A (zh) | 2012-07-11 | 2012-07-11 | 一种基于雷达图的教育测评数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2012102476723A CN102799970A (zh) | 2012-07-11 | 2012-07-11 | 一种基于雷达图的教育测评数据处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102799970A true CN102799970A (zh) | 2012-11-28 |
Family
ID=47199069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2012102476723A Pending CN102799970A (zh) | 2012-07-11 | 2012-07-11 | 一种基于雷达图的教育测评数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102799970A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105632488A (zh) * | 2016-02-23 | 2016-06-01 | 深圳市海云天教育测评有限公司 | 一种语音测评的方法及装置 |
| CN107748957A (zh) * | 2017-10-18 | 2018-03-02 | 广州艾道信息咨询有限公司 | 一种德育评比系统 |
| CN108305195A (zh) * | 2018-01-07 | 2018-07-20 | 深圳前海易维教育科技有限公司 | 一种面向中小学生评价和题目属性分析的综合指标体系 |
| WO2023245418A1 (zh) * | 2022-06-21 | 2023-12-28 | 北京全道智源教育科技院 | 学生职业技能倾向评估方法、装置、计算机设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6857877B1 (en) * | 1999-12-08 | 2005-02-22 | Skill/Vision Co., Ltd. | Recorded medium on which program for displaying skill, achievement level, display device, and displaying method |
| CN101339665A (zh) * | 2008-08-21 | 2009-01-07 | 金蝶软件（中国）有限公司 | 一种自动生成雷达图的方法和装置 |
| CN102201081A (zh) * | 2010-03-26 | 2011-09-28 | 私立中原大学 | 求职求才的媒合方法 |
| CN102364513A (zh) * | 2011-10-24 | 2012-02-29 | 彭苏勉 | 大学生综合素质与能力测评系统 |
-
2012
- 2012-07-11 CN CN2012102476723A patent/CN102799970A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6857877B1 (en) * | 1999-12-08 | 2005-02-22 | Skill/Vision Co., Ltd. | Recorded medium on which program for displaying skill, achievement level, display device, and displaying method |
| CN101339665A (zh) * | 2008-08-21 | 2009-01-07 | 金蝶软件（中国）有限公司 | 一种自动生成雷达图的方法和装置 |
| CN102201081A (zh) * | 2010-03-26 | 2011-09-28 | 私立中原大学 | 求职求才的媒合方法 |
| CN102364513A (zh) * | 2011-10-24 | 2012-02-29 | 彭苏勉 | 大学生综合素质与能力测评系统 |
Non-Patent Citations (1)
| Title |
|---|
| 乔鹏程等: "基于改进雷达图法的电能质量综合评估方法", 《电力自动化设备》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105632488A (zh) * | 2016-02-23 | 2016-06-01 | 深圳市海云天教育测评有限公司 | 一种语音测评的方法及装置 |
| CN107748957A (zh) * | 2017-10-18 | 2018-03-02 | 广州艾道信息咨询有限公司 | 一种德育评比系统 |
| CN108305195A (zh) * | 2018-01-07 | 2018-07-20 | 深圳前海易维教育科技有限公司 | 一种面向中小学生评价和题目属性分析的综合指标体系 |
| WO2023245418A1 (zh) * | 2022-06-21 | 2023-12-28 | 北京全道智源教育科技院 | 学生职业技能倾向评估方法、装置、计算机设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kerkhof et al. | Backtesting for risk-based regulatory capital | |
| Costrell et al. | What do cost functions tell us about the cost of an adequate education? | |
| Escanciano et al. | Backtesting parametric value-at-risk with estimation risk | |
| Chen et al. | Bayesian forecasting for financial risk management, pre and post the global financial crisis | |
| Peters et al. | Advances in heavy tailed risk modeling: A handbook of operational risk | |
| Chaudhury | A review of the key issues in operational risk capital modeling | |
| Bartik | How effects of local labor demand shocks vary with the initial local unemployment rate | |
| Pereira et al. | Detecting model misspecification in inflated beta regressions | |
| Costa et al. | Statistical evaluation of Data Envelopment Analysis versus COLS Cobb–Douglas benchmarking models for the 2011 Brazilian tariff revision | |
| Klasik et al. | Bobbing for bad apples: Accreditation, quantitative performance measures, and the identification of low-performing colleges | |
| Blanc et al. | Analytical debiasing of corporate cash flow forecasts | |
| CN102799970A (zh) | 一种基于雷达图的教育测评数据处理方法及系统 | |
| Di Clemente | Estimating the marginal contribution to systemic risk by a CoVaR‐model based on copula functions and extreme value theory | |
| Bigović | Demand forecasting within Montenegrin tourism using Box-Jenkins methodology for seasonal ARIMA models | |
| Barassi et al. | Change‐Point Detection in the Conditional Correlation Structure of Multivariate Volatility Models | |
| Trenca et al. | The assessment of market risk in the context of the current financial crisis | |
| Frésard et al. | The pernicious effects of contaminated data in risk management | |
| Kusuma et al. | The effect of emotional intelligence and Auditor’ s experience on audit quality with Independence as a moderating variable | |
| Dräger et al. | Explaining disagreement on interest rates in a Taylor‐rule setting | |
| Castellano et al. | Comparing the accuracy of student growth measures | |
| Kanakana et al. | Framework assessment for costs of poor quality in higher education processes | |
| Prasetyaningsih et al. | Internal control system weakness and non-compliance to the provision of legislation in practicing audit of local government in Indonesia | |
| Parnes et al. | Rating the credit rating agencies | |
| Abdymomunov et al. | Worst-case scenarios as a stress testing tool for risk models | |
| Thureson | Avoiding path dependence of distributional weights: Lessons from climate change economic assessments |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20121128 |