دوره مقدماتی IBM SPSS AMOS: آموزش جامع مدل‌سازی معادلات ساختاری (SEM) از صفر تا پیشرفته - آخرین آپدیت

دانلود IBM SPSS AMOS Foundation Course: SEM Scratch to Advanced

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش جامع مدل‌سازی معادلات ساختاری (SEM) با IBM SPSS AMOS

به دنبال یادگیری مدل‌سازی معادلات ساختاری (SEM)، تحلیل مسیر و تحلیل عاملی تاییدی (CFA) با استفاده از نرم‌افزار IBM SPSS AMOS از پایه هستید؟

این دوره آموزشی به شما کمک می‌کند تا:

  • تحلیل عاملی تاییدی (CFA) را با استفاده از AMOS انجام دهید.
  • پایایی و روایی یک مقیاس را با استفاده از AMOS بررسی کنید.
  • مدل‌سازی معادلات ساختاری (SEM) را با AMOS انجام دهید.
  • مدل‌های پیچیده مسیر را تحلیل کرده و از داده‌های چند متغیره بینش کسب کنید.

پیش‌نیازها: این دوره پیش‌نیاز خاصی ندارد. فقط به یک کامپیوتر با نرم‌افزار AMOS نصب شده نیاز دارید. داشتن دانش پایه‌ای از آمار و SPSS مفید خواهد بود.

اگر به دنبال آزمون یک مدل ساختاری پیچیده هستید، حتماً از اهمیت AMOS آگاه هستید. AMOS یک ابزار قدرتمند و یکی از محبوب‌ترین ابزارها برای انجام مدل‌سازی معادلات ساختاری است.

اگر پژوهشگر هستید، دانش شما در زمینه تحقیق تا زمانی که بر SEM تسلط پیدا نکنید، کامل نخواهد بود، زیرا اکثریت قریب به اتفاق تحقیقات به طور فزاینده‌ای از SEM استفاده می‌کنند. می‌توانید به مقالات تحقیقاتی من که با استفاده از SEM منتشر کرده‌ام، مراجعه کنید:

  • Sanjay Singh & Yogita Aggarwal (2017). Happiness at Work Scale: Construction and psychometric validation of a measure using mixed method approach. Journal of Happiness Studies. doi:10.1007/s10902-017-9882-x. Springer
  • Sanjay Singh & Yogita Aggarwal (2017). Antecedents and consequences of work significance in Indian organizations. Journal Management, Spirituality and Religion. doi: 10.1080/14766086.2017.1320580. Taylor & Francis

در این دوره، نحوه انجام SEM را از پایه با استفاده از AMOS یاد خواهید گرفت. AMOS یک ابزار قدرتمند برای اعتبارسنجی تاییدی است و اغلب توسط محققان و روان‌سنجان برای تحقیق و انتشار مقالات با تاثیر بالا مورد استفاده قرار می‌گیرد. این نرم‌افزار به شما این امکان را می‌دهد تا مدل‌هایی را برای نشان دادن روابط فرضی بین متغیرها مشخص، تخمین، ارزیابی و ارائه کنید. نرم‌افزار AMOS به شما امکان می‌دهد مدل‌های پیچیده را دقیق‌تر و کارآمدتر از تکنیک‌های آماری چند متغیره استاندارد بسازید و آزمایش کنید.

مطمئنم که عاشق این دوره خواهید شد. اگر اینطور نبود، می‌توانید ظرف 30 روز هزینه خود را به طور کامل پس بگیرید!! بدون هیچ سوالی!!

من به سوالات بسیار پاسخگو هستم و در صورت نیاز به هرگونه توضیح، کافیست یک پیام ارسال کنید.

برخی از نظرات از دوره آموزش SPSS Foundation من:

  • "واقعاً در توضیح مباحث، هر نکته را گام به گام عالی است و من نحوه تدریس او را دوست دارم.. من احساس می‌کنم در این روش درک ابزار SPSS بسیار آسان است.. از شما بسیار متشکرم دکتر سانجی سینگ"
  • "بسیار خوب سازماندهی شده و درک آن آسان است"
  • "این یک دوره ضروری در مورد SPSS است. کار عالی توسط مربیان! مربی بسیار مفید است و واحدها بسیار خوب سازماندهی شده‌اند. منتظر مطالب بیشتر و بیشتر از مربی هستم."

همین حالا ثبت نام کنید و یادگیری AMOS را به روش صحیح شروع کنید!!


سرفصل ها و درس ها

Introduction & Installation of Software-مقدمه و نصب نرم‌افزار Introduction & Installation of Software

  • Introduction-مقدمه Introduction

  • Downloading and Installing AMOS 24 (Free 14 Day Trial Version)-دانلود و نصب AMOS 24 (نسخه آزمایشی رایگان 14 روزه) Downloading and Installing AMOS 24 (Free 14 Day Trial Version)

  • How to get answer to your queries fast?-چگونه به سرعت پاسخ سوالات خود را دریافت کنیم؟ How to get answer to your queries fast?

Practice Datasets, References and Resources-مجموعه داده‌های تمرینی، مراجع و منابع Practice Datasets, References and Resources

  • Well-being Dataset-مجموعه داده بهزیستی Well-being Dataset

  • Guide for downloading well-being data-راهنمای دانلود داده‌های بهزیستی Guide for downloading well-being data

  • Personality Data set-مجموعه داده شخصیت Personality Data set

  • Link to Dropbox Folder Containing All Practice Datasets and Resources-لینک به پوشه دراپ‌باکس حاوی تمام مجموعه‌داده‌های تمرینی و منابع Link to Dropbox Folder Containing All Practice Datasets and Resources

  • References for Further Study-مراجع برای مطالعه بیشتر References for Further Study

Getting Familiar with AMOS Interface-آشنایی با رابط کاربری AMOS Getting Familiar with AMOS Interface

  • Opening AMOS-باز کردن AMOS Opening AMOS

  • Developing Familiarity with Top Menus-آشنایی با منوهای اصلی Developing Familiarity with Top Menus

  • Getting Familiar with AMOS Graphics Tools-آشنایی با ابزارهای گرافیکی AMOS Getting Familiar with AMOS Graphics Tools

  • Understanding Input and Output Values on Path Diagram-درک مقادیر ورودی و خروجی در نمودار مسیر Understanding Input and Output Values on Path Diagram

  • Understanding "Group Number" Box-درک جعبه "Group Number" Understanding "Group Number" Box

  • Understanding "Default Model" Box-درک جعبه "Default Model" Understanding "Default Model" Box

  • Understanding Unstandardized and Standardized Estimates-درک برآوردهای غیراستاندارد و استاندارد شده Understanding Unstandardized and Standardized Estimates

  • Understanding "Computation Summary" and "Files in Current Directory" Boxes-درک جعبه‌های "Computation Summary" و "Files in Current Directory" Understanding "Computation Summary" and "Files in Current Directory" Boxes

  • Understanding "Path Model Canvas" and "Output" Tab-درک "Path Model Canvas" و تب "Output" Understanding "Path Model Canvas" and "Output" Tab

  • Understanding Bottom Tabs: "Path Diagram" & "Tables"-درک تب‌های پایین: "Path Diagram" و "Tables" Understanding Bottom Tabs: "Path Diagram" & "Tables"

Meanings & Definitions: Getting Familiar with Terminology of SEM-معانی و تعاریف: آشنایی با اصطلاحات SEM Meanings & Definitions: Getting Familiar with Terminology of SEM

  • Getting familiar with Terminology Used for Variables in Model-آشنایی با اصطلاحات مورد استفاده برای متغیرها در مدل Getting familiar with Terminology Used for Variables in Model

  • What is Structural Equation Modelling (SEM)?-مدل‌سازی معادلات ساختاری (SEM) چیست؟ What is Structural Equation Modelling (SEM)?

  • What is an Exogeneous Variable?-متغیر برون‌زا چیست؟ What is an Exogeneous Variable?

  • What are Observed and Unobserved Variables?-متغیرهای مشاهده شده و مشاهده نشده کدامند؟ What are Observed and Unobserved Variables?

  • What are Residual Variables?-متغیرهای پسماند چیست؟ What are Residual Variables?

  • An Example: A structural Model of Managerial Innovation Process-یک مثال: یک مدل ساختاری از فرآیند نوآوری مدیریتی An Example: A structural Model of Managerial Innovation Process

  • What is Meaning of "Factor Loading"?-معنی "بار عاملی" چیست؟ What is Meaning of "Factor Loading"?

Using AMOS Graphic Tools to Build a Structural Model-استفاده از ابزارهای گرافیکی AMOS برای ساختن یک مدل ساختاری Using AMOS Graphic Tools to Build a Structural Model

  • Drawing and Naming Observed Variables-رسم و نام‌گذاری متغیرهای مشاهده شده Drawing and Naming Observed Variables

  • Drawing Observed Variables and Error Terms-رسم متغیرهای مشاهده شده و جملات خطا Drawing Observed Variables and Error Terms

  • Using Drag and Touch-up Tools-استفاده از ابزارهای کشیدن و اصلاح Using Drag and Touch-up Tools

  • Understanding Constrained Values on Error Terms-درک مقادیر محدود شده در جملات خطا Understanding Constrained Values on Error Terms

  • Using "Draw Paths" Tool-استفاده از ابزار "Draw Paths" Using "Draw Paths" Tool

  • "Draw a Latent Variable" Tool-ابزار "Draw a Latent Variable" "Draw a Latent Variable" Tool

  • Using "Rotate" Tool-استفاده از ابزار "Rotate" Using "Rotate" Tool

  • Using "Erase Object" Tool-استفاده از ابزار "Erase Object" Using "Erase Object" Tool

  • Using Three Types of "Select Object" Tool-استفاده از سه نوع ابزار "Select Object" Using Three Types of "Select Object" Tool

Understanding "Analyse Properties" Tab in AMOS-درک تب "Analyse Properties" در AMOS Understanding "Analyse Properties" Tab in AMOS

  • What is meaning of Good Model Fit?-معنی برازش خوب مدل چیست؟ What is meaning of Good Model Fit?

  • Meaning of Indicator & Factor Variances and Co-variances-معنی واریانس‌ها و کوواریانس‌های شاخص و عامل Meaning of Indicator & Factor Variances and Co-variances

  • When to Use Maximum Likelihood (ML) Method?-چه زمانی از روش Maximum Likelihood (ML) استفاده کنیم؟ When to Use Maximum Likelihood (ML) Method?

  • When to Use Asymptotic Distribution Free (ADF) Method?-چه زمانی از روش Asymptotic Distribution Free (ADF) استفاده کنیم؟ When to Use Asymptotic Distribution Free (ADF) Method?

  • What is Maximum Likelihood Method?-روش Maximum Likelihood چیست؟ What is Maximum Likelihood Method?

  • Assumptions of Maximum Likelihood Method?-فرضیات روش Maximum Likelihood چیست؟ Assumptions of Maximum Likelihood Method?

  • Other Model Discrepancy Calculation Methods: GLS, ULS, SLS & ADF-سایر روش‌های محاسبه مغایرت مدل: GLS، ULS، SLS و ADF Other Model Discrepancy Calculation Methods: GLS, ULS, SLS & ADF

  • "Estimate Means and Intercepts": Dealing with Missing Data-"Estimate Means and Intercepts": برخورد با داده‌های گمشده "Estimate Means and Intercepts": Dealing with Missing Data

  • Understanding "Emulisrel 6" Option-درک گزینه "Emulisrel 6" Understanding "Emulisrel 6" Option

  • Understanding "Chicorrect" and Leaarning to Constrain Values-درک "Chicorrect" و یادگیری محدود کردن مقادیر Understanding "Chicorrect" and Leaarning to Constrain Values

  • Understanding "Fit Saturated and Independence Models" Option-درک گزینه "Fit Saturated and Independence Models" Understanding "Fit Saturated and Independence Models" Option

Issues in Structural Equation Modelling (SEM) Using AMOS-مسائل مربوط به مدل‌سازی معادلات ساختاری (SEM) با استفاده از AMOS Issues in Structural Equation Modelling (SEM) Using AMOS

  • How Large Should be Sample Size in SEM?-حجم نمونه در SEM چقدر باید باشد؟ How Large Should be Sample Size in SEM?

  • Can I Use AMOS if My Data is Non-Normal?-آیا می‌توانم از AMOS استفاده کنم اگر داده‌های من نرمال نباشند؟ Can I Use AMOS if My Data is Non-Normal?

  • Can I use AMOS if My Variables are Non-continuous?-آیا می‌توانم از AMOS استفاده کنم اگر متغیرهای من پیوسته نباشند؟ Can I use AMOS if My Variables are Non-continuous?

  • Regression Vs. SEM & Adding More Variables to Model-رگرسیون در مقابل SEM و اضافه کردن متغیرهای بیشتر به مدل Regression Vs. SEM & Adding More Variables to Model

Exploratory Factor Analysis (EFA): A Precursor to CFA using AMOS-تحلیل عاملی اکتشافی (EFA): پیش‌درآمدی برای CFA با استفاده از AMOS Exploratory Factor Analysis (EFA): A Precursor to CFA using AMOS

  • What is Exploratory Factor Analysis (EFA)?-تحلیل عاملی اکتشافی (EFA) چیست؟ What is Exploratory Factor Analysis (EFA)?

  • Understanding Latent Variables and Indicators in FA-درک متغیرهای پنهان و شاخص‌ها در FA Understanding Latent Variables and Indicators in FA

  • Sample Researches Using FA in Social Science & Engineering-نمونه تحقیقات با استفاده از FA در علوم اجتماعی و مهندسی Sample Researches Using FA in Social Science & Engineering

  • Historical Origin of FA & Its Application in Test Construction-ریشه تاریخی FA و کاربرد آن در ساخت آزمون Historical Origin of FA & Its Application in Test Construction

  • Exploratory Factor Analysis vs. Confirmatory Factor Analysis (EFA vs. CFA)-تحلیل عاملی اکتشافی در مقابل تحلیل عاملی تاییدی (EFA در مقابل CFA) Exploratory Factor Analysis vs. Confirmatory Factor Analysis (EFA vs. CFA)

  • Setting Data for Factor Analysis-تنظیم داده‌ها برای تحلیل عاملی Setting Data for Factor Analysis

  • Understanding "Selection Variable"-درک "Selection Variable" Understanding "Selection Variable"

  • Univariate Descriptives & Initial Solutions: Descriptive-آمار توصیفی تک‌متغیره و راه حل‌های اولیه: توصیفی Univariate Descriptives & Initial Solutions: Descriptive

  • Correlation Matrix: Coefficients, Significance, Determinant, KMO & Bartlett's-ماتریس همبستگی: ضرایب، سطح معناداری، دترمینان، KMO و Bartlett's Correlation Matrix: Coefficients, Significance, Determinant, KMO & Bartlett's

  • Understanding Inverse, Reproduced, Anti-Image-درک معکوس، بازتولید شده، تصویر-ضد Understanding Inverse, Reproduced, Anti-Image

  • Extraction Method: Principle Component Analysis-روش استخراج: تحلیل مولفه‌های اصلی Extraction Method: Principle Component Analysis

  • Extraction Method: Principle Axis Factoring-روش استخراج: فاکتورگیری محور اصلی Extraction Method: Principle Axis Factoring

  • Extraction Method: Maximum Likelihood Estimation-روش استخراج: برآورد حداکثر درست‌نمایی Extraction Method: Maximum Likelihood Estimation

  • Choosing Correlation vs. Covariance Matrix for Factor Analysis-انتخاب ماتریس همبستگی در مقابل کوواریانس برای تحلیل عاملی Choosing Correlation vs. Covariance Matrix for Factor Analysis

  • Interpreting Correlation Matrix & Unrotated Factor Solution-تفسیر ماتریس همبستگی و راه حل عاملی غیرچرخشی Interpreting Correlation Matrix & Unrotated Factor Solution

  • Determining number of factors: Scree Plot vs. Kaiser's eigen value criteria-تعیین تعداد عوامل: نمودار Scree در مقابل معیار مقدار ویژه Kaiser Determining number of factors: Scree Plot vs. Kaiser's eigen value criteria

  • Factor Rotation: What it is and why its done?-چرخش عامل: چیست و چرا انجام می‌شود؟ Factor Rotation: What it is and why its done?

  • Rotation Methods: Varimax, Quartimax, Equamax, Direct Oblimin, Promax-روش‌های چرخش: Varimax، Quartimax، Equamax، Direct Oblimin، Promax Rotation Methods: Varimax, Quartimax, Equamax, Direct Oblimin, Promax

  • Calculating Factor Scores: Regression, Bartlett, Anderson-Rubin-محاسبه نمرات عامل: رگرسیون، بارتلت، اندرسون-روبین Calculating Factor Scores: Regression, Bartlett, Anderson-Rubin

  • Factor Score Coefficient Matrix-ماتریس ضرایب نمره عامل Factor Score Coefficient Matrix

  • Missing Value Analysis: Listwise, Pairwise, Replace with Mean-تحلیل مقادیر گمشده: Listwise، Pairwise، جایگزینی با میانگین Missing Value Analysis: Listwise, Pairwise, Replace with Mean

  • Sort by Size & Suppressing Smaller Coefficients-مرتب‌سازی بر اساس اندازه و حذف ضرایب کوچکتر Sort by Size & Suppressing Smaller Coefficients

  • Project in Factor Analysis Part 1: Identifying Dimensions of Personality-پروژه در تحلیل عاملی قسمت 1: شناسایی ابعاد شخصیت Project in Factor Analysis Part 1: Identifying Dimensions of Personality

  • Project in Factor Analysis Part 2: Identifying Dimensions of Personality-پروژه در تحلیل عاملی قسمت 2: شناسایی ابعاد شخصیت Project in Factor Analysis Part 2: Identifying Dimensions of Personality

  • Project in Factor Analysis Part 3: Identifying Dimensions of Personality-پروژه در تحلیل عاملی قسمت 3: شناسایی ابعاد شخصیت Project in Factor Analysis Part 3: Identifying Dimensions of Personality

  • Project in Factor Analysis Part 4: Factor Naming-پروژه در تحلیل عاملی قسمت 4: نام‌گذاری عوامل Project in Factor Analysis Part 4: Factor Naming

  • Project in Factor Analysis Part 5: Reliability Analysis of Factors-پروژه در تحلیل عاملی قسمت 5: تحلیل پایایی عوامل Project in Factor Analysis Part 5: Reliability Analysis of Factors

  • Project in Factor Analysis Part 6: Presenting Results in APA Style-پروژه در تحلیل عاملی قسمت 6: ارائه نتایج به سبک APA Project in Factor Analysis Part 6: Presenting Results in APA Style

Scale Validation in AMOS-اعتبارسنجی مقیاس در AMOS Scale Validation in AMOS

  • Importing EFA model in AMOS-وارد کردن مدل EFA در AMOS Importing EFA model in AMOS

  • Reliability and Validity: Two Sides of Model Quality-پایایی و روایی: دو روی یک کیفیت مدل Reliability and Validity: Two Sides of Model Quality

  • Understanding Reliability and Validity-درک پایایی و روایی Understanding Reliability and Validity

  • What is Validity?-روایی چیست؟ What is Validity?

  • Type of Construct Validity: Convergent Validity-نوع روایی سازه: روایی همگرا Type of Construct Validity: Convergent Validity

  • Statistical Criteria for Convergent Validity in AMOS-معیارهای آماری برای روایی همگرا در AMOS Statistical Criteria for Convergent Validity in AMOS

  • What is Average Variance Extracted (AVE) & Why AVE More than .5 is Required?-میانگین واریانس استخراج شده (AVE) چیست و چرا AVE بیشتر از 0.5 مورد نیاز است؟ What is Average Variance Extracted (AVE) & Why AVE More than .5 is Required?

  • Understanding Formula for AVE Calculation-درک فرمول محاسبه AVE Understanding Formula for AVE Calculation

  • Manual Calculation of AVE using Excel-محاسبه دستی AVE با استفاده از اکسل Manual Calculation of AVE using Excel

  • What is Maximum Shared squared Variance (MSV)?-حداکثر واریانس مشترک مجذور (MSV) چیست؟ What is Maximum Shared squared Variance (MSV)?

  • Why MSV Should be Less Than AVE for Discriminant Validity?-چرا MSV باید کمتر از AVE برای روایی تشخیصی باشد؟ Why MSV Should be Less Than AVE for Discriminant Validity?

  • Manual Calculation of MSV?-محاسبه دستی MSV؟ Manual Calculation of MSV?

  • What is Average Shared squared Variance (ASV)?-میانگین واریانس مشترک مجذور (ASV) چیست؟ What is Average Shared squared Variance (ASV)?

  • Why ASV should be less than AVE for Discriminant Validity?-چرا ASV باید کمتر از AVE برای روایی تشخیصی باشد؟ Why ASV should be less than AVE for Discriminant Validity?

  • Manual Calculation of ASV?-محاسبه دستی ASV؟ Manual Calculation of ASV?

Indices of Model Fit-شاخص‌های برازش مدل Indices of Model Fit

  • What are Indices of Model-Fit?-شاخص‌های برازش مدل کدامند؟ What are Indices of Model-Fit?

  • Type of Fit Indices: Incremental and Absolute Fit Indices-انواع شاخص‌های برازش: شاخص‌های برازش افزایشی و مطلق Type of Fit Indices: Incremental and Absolute Fit Indices

  • What are Incremental Fit Indices?-شاخص‌های برازش افزایشی کدامند؟ What are Incremental Fit Indices?

  • What are Absolute Fit Indices?-شاخص‌های برازش مطلق کدامند؟ What are Absolute Fit Indices?

  • Which Indices Should I Report in Output or My Article?-کدام شاخص‌ها را باید در خروجی یا مقاله خود گزارش دهم؟ Which Indices Should I Report in Output or My Article?

  • How to Calculate Indices of Model Fit in AMOS?-چگونه شاخص‌های برازش مدل را در AMOS محاسبه کنیم؟ How to Calculate Indices of Model Fit in AMOS?

  • Explaining CMIN (with Detailed Explanation of Variance-Covariance Matrix)-توضیح CMIN (با توضیح دقیق ماتریس واریانس-کوواریانس) Explaining CMIN (with Detailed Explanation of Variance-Covariance Matrix)

  • Symbolic Expression of Null Hypothesis of Goodness of Fit Test-عبارت نمادین فرضیه صفر آزمون نیکویی برازش Symbolic Expression of Null Hypothesis of Goodness of Fit Test

  • Problem with Chi-Square Test & Why We Need Relative Chi-Square?-مشکل با آزمون خی‌دو و چرا به خی‌دو نسبی نیاز داریم؟ Problem with Chi-Square Test & Why We Need Relative Chi-Square?

  • Relative Chi-Square?-خی‌دو نسبی؟ Relative Chi-Square?

  • Goodness of Fit Index (GFI) & Adjusted Goodnes of Fit Index (AGFI)-شاخص نیکویی برازش (GFI) و شاخص نیکویی برازش تعدیل شده (AGFI) Goodness of Fit Index (GFI) & Adjusted Goodnes of Fit Index (AGFI)

  • Parsimony based Goodness of Fit Index (PGFI)-شاخص نیکویی برازش مبتنی بر صرفه‌جویی (PGFI) Parsimony based Goodness of Fit Index (PGFI)

  • SRMR: Conceptual Explanation-SRMR: توضیح مفهومی SRMR: Conceptual Explanation

  • SRMR: Calculation-SRMR: محاسبه SRMR: Calculation

  • RMSEA: Conceptual Explanation-RMSEA: توضیح مفهومی RMSEA: Conceptual Explanation

  • RMSEA: Calculation-RMSEA: محاسبه RMSEA: Calculation

Working with Plugins in AMOS-کار با پلاگین‌ها در AMOS Working with Plugins in AMOS

  • What are Plugins?-پلاگین‌ها چیستند؟ What are Plugins?

  • Location of plugins in AMOS 23 and Lower Versions-محل پلاگین‌ها در AMOS 23 و نسخه‌های پایین‌تر Location of plugins in AMOS 23 and Lower Versions

  • Location of Plugins in AMOS 24-محل پلاگین‌ها در AMOS 24 Location of Plugins in AMOS 24

  • Downloading AMOS Plugins from Statswiki Website (Prof. James Gaskin)-دانلود پلاگین‌های AMOS از وب‌سایت Statswiki (پروفسور جیمز گاسکین) Downloading AMOS Plugins from Statswiki Website (Prof. James Gaskin)

  • Installing Four Plugins by Prof. Gaskin in AMOS 23-نصب چهار پلاگین توسط پروفسور گاسکین در AMOS 23 Installing Four Plugins by Prof. Gaskin in AMOS 23

Next Step-قدم بعدی Next Step

  • Bonus Lecture-سخنرانی جایزه (Bonus Lecture) Bonus Lecture

نمایش نظرات

دوره مقدماتی IBM SPSS AMOS: آموزش جامع مدل‌سازی معادلات ساختاری (SEM) از صفر تا پیشرفته
جزییات دوره
5.5 hours
114
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,495
4.2 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Scholarsight Learning Scholarsight Learning

دوره های پژوهشی با تأثیرات بالا در Scholarsight ، ما دوره های جامع و عمیقی را در مورد روش ها و فن آوری های تحقیقاتی ایجاد می کنیم که تمام مراحل اصلی را شامل می شود. هدف ما این است که مهارتهای فراگیران خود را از ابتدا به سطح پیشرفته برسانیم و قدرت تأثیر آنها را در حداقل زمان ممکن به حداکثر برسانیم. دوره های ما در حال حاضر بیش از 17000 محقق و فراگیر مشترک از بیش از 150 کشور در سراسر جهان دارند. ما دوره هایی را بدون هیچ پیش فرض قبلی ایجاد می کنیم. مدرسان ما محققانی بسیار واجد شرایط هستند که قدرت خود را در زمینه تحقیق / تدریس اثبات کرده و تحقیقاتی را منتشر کرده اند که تأثیر گسترده ای بر مخاطبان سراسر جهان داشته است. ما اعتقاد داریم که هر زمان دانش آموزان از آنها سوالی داشته باشند ، همیشه قابل دسترسی هستیم. به همین دلیل است که ما بدون توجه به اینکه در کدام قسمت از جهان قرار دارند ، در بیشتر از 24 ساعت شخصاً به پرسش های فراگیران خود پاسخ می دهیم. ما همانطور که در آنجا بوده ایم ، لذت و دلهره پژوهشگر بودن را درک می کنیم. ما عاشق رابطه بین فناوری و تحقیقات هستیم و هدف ما این است که آن را به بحث هر میز و نیمکت تبدیل کنیم! ما مشتاقانه منتظر دیدن عضویت شما در گروه ما هستیم و می فهمیم که تحقیق چقدر هیجان انگیز ، سرگرم کننده و توانمند است با ما همراه باشد!