Early Development Instrument (EDI)
EDI [13] 是在加拿大开发的，用于提供有关儿童在接受正规学校教育的第一年之前一年的表现的人口水平数据。 EDI 是一份包含 103 项、由教师完成的清单，用于评估儿童在五个一般发展领域的入学准备情况：身体健康和福祉、社交能力、情感成熟度、语言和认知发展以及沟通技巧和一般知识。这五个领域进一步细分为16个子域。表1显示了EDI的域和子域，以及每个域中的项目数。除了103个核心项目外，EDI还包含有关儿童的问题的人口特征、他们的学前经历、他们拥有的技能以及他们遇到的特殊问题（如果有的话）。应该注意的是，这些问题不包括在计算孩子在 EDI 五个领域的分数中。 EDI 由教师（或幼儿专家）在学年下半年完成，因为这样可以让受访者有足够的时间去了解他们班上的孩子，也让孩子有足够的时间适应他们的环境。新环境[13]。
领域分数是每个领域项目的平均值，范围从 0 到 10，分数越高表示能力越强。然后将平均分数分为代表给定人群中最高和最低分数的类别。分数的分布用于确定处于不同入学准备水平的儿童的百分比。根据基线或比较人群，在某个领域得分低于第 10 个百分位数的儿童被认为在该领域处于弱势地位。本研究中使用的结果度量是五个 EDI 域的分数。
EDI 作为儿童发育评估已得到充分验证（参见 [26] 的评论）。一些研究人员已经评估并建立了结构效度 [13、17、18]、预测效度 [3、27、28]、组间效度 [23、29] 以及跨文化效度 [15、16、19] , 20] 的 EDI。 EDI 在加拿大和澳大利亚按人口水平定期收集，并已在许多国家、不同水平实施，包括巴西、秘鲁、中国、意大利、德国、吉尔吉斯斯坦、墨西哥、牙买加、印度尼西亚、越南、美国美国和英国 [26]。
人口统计和背景特征
除了儿童发展评级外，还收集了有关儿童、家庭和地点的其他数据。教师使用孩子的学校信息将孩子的出生性别、年龄、母亲和父亲的教育记录在 EDI 上。农村地区由教育部教育管理信息系统提供。这些变量的定义和描述如下：
儿童年龄 完成 EDI 时儿童的年龄以岁为单位计算。孩子的出生日期是从孩子在学校的个人资料中获得的，并由孩子的老师记录在 EDI 上。年龄分为小于或等于 6.65 岁和大于 6.65 岁。
儿童年龄 完成 EDI 时儿童的年龄以岁为单位计算。孩子的出生日期是从孩子在学校的个人资料中获得的，并由孩子的老师记录在 EDI 上。年龄分为小于或等于 6.65 岁和大于 6.65 岁。
孩子性别 孩子的性别被列为男性或女性，并由孩子的老师记录在 EDI 的第一页上。
孩子性别 孩子的性别被列为男性或女性，并由孩子的老师记录在 EDI 的第一页上。
学校位置（城市/农村） 约旦地区分为城市地区（人口在 5,000 人或以上的地区）和农村地区（人口较少的地区）。本信息由教育部教育管理信息系统提供。
学校位置（城市/农村） 约旦地区分为城市地区（人口在 5,000 人或以上的地区）和农村地区（人口较少的地区）。本信息由教育部教育管理信息系统提供。
地理区域 2000 年，约旦在行政上分为三个区域：北部地区、中部地区和南部地区。本信息由教育部教育管理信息系统提供。
地理区域 2000 年，约旦在行政上分为三个区域：北部地区、中部地区和南部地区。本信息由教育部教育管理信息系统提供。
母亲和父亲的教育 该变量代表母亲和父亲的教育程度，使用的是在孩子的学校概况中找到的信息。孩子的老师在 EDI 的第一页上指出了这一信息。母亲和父亲的受教育程度分为文盲、普通中学以下、普通中学、社区大学文凭、学士学位和硕士及以上六个等级。然后将这些变量分为以下两类：低等教育代表直到并包括普通中学的教育程度，高等教育代表包括社区大学文凭、学士学位和硕士学位或更高学位。
母亲和父亲的教育 该变量代表母亲和父亲的教育程度，使用的是在孩子的学校概况中找到的信息。孩子的老师在 EDI 的第一页上指出了这一信息。母亲和父亲的受教育程度分为文盲、普通中学以下、普通中学、社区大学文凭、学士学位和硕士及以上六个等级。然后将这些变量分为以下两类：低等教育代表直到并包括普通中学的教育程度，高等教育代表包括社区大学文凭、学士学位和硕士学位或更高学位。
约旦对 EDI 的改编
为了使用 EDI 收集约旦的入学准备信息，该工具经过了严格的翻译、改编和验证过程。 EDI 由一名幼儿专家翻译成阿拉伯语，然后由大学教授、研究人员和教育部儿童部门的管理人员、教育部和私营部门的幼儿园主管以及幼儿领域。他们根据研究目的的语言质量和适当性来判断这些项目。考虑了这些审阅者的意见，并制作了 EDI 的阿拉伯语修订版并回译为英语，以验证项目的重要性在翻译过程中没有丢失。然后将专家的翻译和反馈发送给加拿大 EDI 的开发人员以供批准。 EDI 的最终阿拉伯语版本在 1341 名儿童中进行了试点。五个 EDI 领域的内部一致性是用 Cronbach 的 alpha 估计的，范围从身体健康和福祉领域的 0.66 到社会能力领域的 0.93。该样本还用于进行探索性因素分析 (EFA) 以评估 EDI 的结构有效性，结果揭示了与原始 EDI 因子结构相同的五个域 [13]。然而，应该注意的是，在项目如何加载因素上存在显着差异 [30]。当时决定保留该工具的原始因子结构，以评估约旦儿童的入学准备水平，其中 EDI 项目在域上的分布与原始版本相同。迄今为止，EDI 已在约旦的代表性儿童样本中实施了三次：2010 年作为基线研究，然后在 2014 年和 2018 年作为后续研究。对 2010 年的样本（未发表）进行了初步的心理测量分析，然而，本研究选择了 2018 年的样本，因为它包含更多的儿童，也更好地反映了约旦的幼儿期状况，因为发生在最近十年。
统计分析计划
本研究的分析分三个部分进行。首先，我们对儿童样本的背景和人口特征进行了描述性统计。使用统计软件 IBM SPSS，版本 19 [31]，我们运行分类变量的频率。其次，使用统计软件 Stata，版本 13.1 [32]，对领域分数的均值和稳健标准误差进行了整体和样本人口统计和背景子组的检查，考虑了学校内的聚类。第三，我们使用 Mplus 7.4 [33] 对四个多维领域中的每一个以及沟通技巧和常识的一个一维领域中的每一个进行了分类验证性因素分析 (CFA)，以测试阿拉伯语版本 EDI 的结构有效性。由于采用的抽样方法意味着儿童聚集在学校内，因此我们在分析中考虑了聚类。为了评估模型拟合，我们使用了多个指标：比较拟合指数 (CFI)、Tucker–Lewis 指数 (TLI)、近似均方根误差 (RMSEA) 和加权均方根残差 (WRMR)。计算模型拟合的另一个指标是卡方 (χ2) 统计量，它允许我们评估模型与观察到的协方差矩阵之间的调整，值越低表示调整越好，理想情况下 χ2 拟合统计量是非-显着 [34]。然而，由于 χ2 统计量对样本量敏感，我们在分析中未考虑该指标。因此，我们的模型拟合决策基于 CFI、TLI、RMSEA 和 WRMR 指数。对于 CFI 和 TLI，0.90 或更大的值通常被认为是可接受的，RMSEA 应为 0.06 或更低 [35]，并且 WRMR 的建议截止值 1.0 被认为表明拟合良好 [36]。因此，我们的模型拟合结论基于这些值。最后，我们使用 IBM SPSS 版本 19 [31] 中的 Cronbach α 可靠性系数检查了每个域和子域的可靠性（内部一致性）。
