社区
非技术区
帖子详情
spss分析,sus量表高低分组
此间.
2021-04-03 04:08:52
以SUS第1题为例分析第1题的题目区分度
SUS总量表平均分 与第1题平均分如下:
腾讯课堂 2.92,3.83
腾讯会议 2.88,3.90
两个平台的差异检验结果如下:
高低分组分别取首尾27%,共71个样本,即分别取首尾20个样本
腾讯课堂区分度为0.25
腾讯会议区分度为0.21
根据上面结果,两个平台分别在SUS总量表上属于高分组,低分组还是无差异组?
请问如何判断是高分组还是低分组呢
...全文
559
回复
打赏
收藏
spss分析,sus量表高低分组
以SUS第1题为例分析第1题的题目区分度 SUS总量表平均分与第1题平均分如下: 腾讯课堂2.92,3.83 腾讯会议2.88,3.90 两个平台的差异检验结果如下: 高低分组分别取首尾27%,共71个样本,即分别取首尾20个样本 腾讯课堂区分度为0.25 腾讯会议区分度为0.21 根据上面结果,两个平台分别在SUS总量表上属于高分组,低分组还是无差异组? 请问如何判断是高分组还是低分组呢
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
spss
分析
sus
量表
高低
分组
以
SUS
第1题为例
分析
第1题的题目区分度
SUS
总
量表
平均分 与第1题平均分如下: 腾讯课堂 2.92,3.83 腾讯会议 2.88,3.90 两个平台的差异检验结果如下:
高低
分组
分别取首尾27%,共71个样本,即分别取首尾20个样本 腾讯课堂区分度为0.25 腾讯会议区分度为0.21 根据上面结果,两个平台分别在
SUS
总
量表
上属于高
分组
,低
分组
还是无差异组?请问如何判断是高
分组
还是低
分组
呢 ...
ISP ap0100cs调试经验.pdf
源码链接: https://pan.quark.cn/s/9f500ac403c2 摄像头配置是嵌入式系统构建中的一个关键步骤,它涉及到硬件与软件的紧密协作。图像信号处理器(ISP)作为图像信号处理的核心单元,在摄像头配置过程中扮演着至关重要的角色。在硬件层面,它涵盖了摄像头与ISP之间的连接以及信号传输的细节;在软件层面,主要依托V4L2框架进行视频流的采集和处理。接下来将具体说明文档中涉及的硬件机制、软件机制、信号配置及V4L2等领域的摄像头配置实践经验。 ### 硬件机制与连接 文档首先阐述了硬件线路中中央处理器与摄像头之间的连接方式。在此,相机串行接口(CSI)模块是摄像头数据传输的核心部分,它负责与外部CMOS图像感应元件进行交互。CSI接口包含以下几个关键信号线: 1. **CSI_VSYNC (垂直同步信号)**:用于标示一帧图像的起始点。该信号传输方向为从图像感应元件(sensor)至应用处理器(AP)。 2. **CSI_HSYNC (水平同步信号)**:用于提供行同步信号,并用于识别消隐信号。同样,信号流向为sensor至AP。 3. **CSI_D[7:0]**:8位摄像头数据总线,用于传输各种图像数据,包括YUV、YCC、RGB或Bayer格式。数据流向为sensor至AP。 4. **CSI_MCLK (传感器主时钟信号)**:由传感器输出主时钟信号,为外部摄像头提供时钟基准。信号流向为AP至sensor。 5. **CSI_PIXCLK (像素时钟信号)**:由摄像头输出,通常与MCLK主时钟信号频率相同。信号流向为sensor至AP。 正确设置这些连接,确保信号同步传输,是硬件配置的基础。 ### 软件机制与驱动程序 摄像头驱动...
YOLO26算法农业科研温室大豆目标检测+训练好的模型+777张数据集+pyqt可视化界面.zip
文末附数据集可视化效果图。 【数据集概况】 · 检测类别(中文):[大豆(soybean)] · 训练集:777 张 · 验证集:0 张 · 测试集:0 张 · 总计:777 张 该数据集聚焦农业科研领域,针对温室环境下大豆幼苗的精准检测需求,为植物生长监测与自动化管理提供高质量数据支撑。训练集777张,验证集和测试集为0张,符合农业科研场景中对特定生长阶段样本集中训练的需求,确保模型在目标场景下的泛化能力。所有样本均采用精准的边界框标注,标注规范统一,确保了数据集在大豆幼苗检测任务中的高精度与可靠性。该数据集可应用于农业科研机构的植物生长监测系统、智能温室管理平台等场景,... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9922** mAP50-95 | 0.9141 Precision | 0.9771 Recall | 0.9710 train/box_loss | 0.4231 train/cls_loss | 0.1829 val/box_loss | 0.3920 val/cls_loss | 0.1737 【训练过程
分析
】 100 轮训练后 mAP50 达到 0.9922,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.9141,和 mAP50 差距仅 0.08,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9771、Recall 0.9710,精召双高,模型对大豆的检测能力强。...
YOLO算法工业车间热熔胶枪目标检测数据集-1402张-包含 VOC 和 Yolo 格式标签-支持多种算法训练模型.zip
详情可查看下方数据集可视化效果。 YOLO工业车间热熔胶枪目标检测数据集 目标类别:['GLUE GUN'] 中文类别:['热熔胶枪'] 训练集:1224 张 验证集:119 张 测试集:59 张 总计:1402 张 该数据集提供了data.yaml文件,内容如下: train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: ['GLUE GUN']
非技术区
202
社区成员
446
社区内容
发帖
与我相关
我的任务
非技术区
非技术问题的乐园
复制链接
扫一扫
分享
社区描述
非技术问题的乐园
数据库
数据库架构
数据库开发
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章