t分數與名次的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

網頁伺服器工具及軟體套件設計及實作：使用基因集關聯富集分析註釋基因表達譜

為了解決t分數與名次的問題，作者馬嘉良 這樣論述：

近年來，在生物學、生物醫學及藥理學等先驗知識的背景下解釋和註釋DNA、RNA及蛋白質之定序資料成為一大需求。功能富集分析廣泛地被使用於分析功能基因集是否富集在感興趣的基因列表中，例如過表徵分析（Over-Representation Analysis , ORA）中的TermFinder、GSEA、DAVID及Enrichr等工具使用各種類型的功能基因集進行富集分析。這些方法透過計算重疊基因的覆蓋率，以檢查功能基因集及感興趣的基因列表之間關聯程度的統計顯著性。然而當功能基因集或生物路徑註釋不完整時，這些方法的適用範圍及性能會受到影響。為克服此限制，最近的研究提出了網路富集分析（Network

Enrichment Analysis, NEA）的方法，例如EviNet、EnrichNet及ToppNet/ToppGenet等工具在背景網路中採用網路拓撲結構來考慮目標基因列表及功能基因集間的交互作用關係。但作為背景的生物網路大多屬於不完整的聚合網路，其難以被用於描述特定類型及狀態下的鏈接/網路結構的變化。共表現網路分析（co-expression network analysis）被認為可從全基因組表達譜中推斷特定生化途徑中基因間的關聯。然而，共表現網路在先前提出的ORA方法及NEA方法（含相關工具）中都未被考慮。為了解決上述議題，我們提出了基因集關聯富集分析（Gene set co

rrelation enrichment, Gscore），並建立了線上網頁伺服器工具（https://gscore.ibs.nctu.edu.tw/）及離線軟體套件（software package）。針對使用者提供的基因表現資料，Gscore將使用者感興趣的基因列表及功能基因集之間的差異表現基因（Differentially Expressed Gene, DEG）透過超幾何分布方法進行富集分析及統計校正，並透過熱圖、點圖、互動式表格及網路等視覺化方式呈現分析結果，提供使用者多元的互動資料呈現方式。Gscore是第一個工具用於同時辨識（1）隱性關聯：其可用於推測基因列表（或其單一基因）是否

可在功能上連結到已知基因集；及（2）顯性關聯，其可通過ORA方法檢測出來。不同於多數方法僅提供網頁伺服器工具或離線軟體套件，Gscore提供使用者自由選擇在網頁端及本地端進行分析。分析結果顯示，相對於NEA方法找到過多的假陽性關聯，Gscore方法辨識到的關聯數量適中且比ORA方法找出更多的隱性關聯。針對辨識17種癌症之差異表現基因於79個癌症相關生化途徑之關聯，我們發現Gscore方法可更精確連結差異表現基因與癌症相關途徑。進一步透過基於網路分離（network-based separation）拓撲性及生物過程相似性之分析，Gscore、ORA及NEA方法相對於無關係之途徑皆明顯獲得顯著較

佳的分數。總體而言，Gscore 提供了一個十分有用的新分析框架，可透過先驗的生物學知識去註釋及探討單一基因、基因列表甚至是全基因組表達譜。

運用Quizlet合作學習策略對偏鄉學校五年級英語字彙教學：學習成效及學習焦慮分析

為了解決t分數與名次的問題，作者陳怡如 這樣論述：

本研究以準實驗研究法之不等組的前測-後測控制組設計為主，輔以成就測驗前後測及英語焦慮量表，探究Quizlet合作學習對偏鄉學校國小五年級學生英語字彙學習成就影響及英語學習焦慮情形。研究者運用平板電腦進行Quizlet合作學習英語字彙教學為教學策略，融入國小五年級康軒版英語課本之單字教學，以偏鄉學校五年級兩個班級共35名的學生為樣本，進行為期四週共八節課的實驗課程。實驗組學生接受「Quizlet合作學習英語字彙教學」課程，而控制組學生則接受「小組成就英語字彙教學」課程。研究一開始實施學習成效前測，經過兩組不同的教學過後實施學習成效後測以及英語焦慮量表。本研究結果如下：一、運用Quizlet合作

學習英語字彙教學在學習成效上優於小組成就英語字彙教學。二、運用Quizlet合作學習英語字彙教學對於低能力學童的學習成效較佳。三、Quizlet合作學習英語字彙教學與小組成就英語字彙教學後學童之英語焦慮與學習成就皆為中度負相關。四、使用Quizlet合作學習英語字彙教學法學生之高能力組在英語焦慮中最擔心與外國人溝通，而低能力組最擔心上課表現不佳。