سنجش و اندازه گیری

دیدگاه و رویکرد پژوهش بین رشته‏ ای

اندازه گیری، اندازه گیری آموزشی، سنجش، آزمون، آزمودن

در اندازه گیری و صفات افراد یا اشیاء تعیین می شود
اندازه گیری measurment فرآیندی که تعیین می کند یک شخص یا شی چه مقدار از آن صفت یا ویژگی را داراست.
اندازه گیری آموزشی: شیوه نسبت دادن عدد(نمره) به آن ویژگی یا صفت که نشان دهنده درجه ای از آن ویژگی یا صفت که فرد آن را داراست.
به جای آینکه بگوئیم علی 16 ساله نسبت به سن و قدش لاغر
بگوئیم علی 16 ساله 170 سانتی متر قد و 40 کیلو وزن دارد
پروین از زهرا باهوش تر ضریب هوشی پروین 125 و ضریب هوشی زهرا 109 میباشد
اندازه گیری فرآیندی نظامدار یعنی قانون دارد (Rule)
قاعده روش نسبت دادن اعداد را مشخص می کند.
در آزمون حساب وقتی جوابهای درست و غلط را می شماریم به تعداد جوابهای درست نمره می دهیم.
قاعده گاه ساده مثل خط کش گاه سخت مثل ویژگی روانی و تربیتی.
قاعده به ما کمک می کند تا افراد مختلف وقتی از وسیله اندازه گیری استفاده می کنند آن را یکسان به کار ببندند.
باعث استاندارد کردن آزمونهای روانی و تربیتی فرایند اندازه گیری به وسیله نیاز دارد.
وسیله گاه ویژگی فیزیکی می سنجد – طول وزن اشیاء طول وزن افراد- متر و ترازو
هر دو مستقیم – چند بار صندلی را ترک – رفتار آشکار و محصول رفتار- تعداد مسایل ریاضی که درست حل کرده است.
گاه غیر مستقیم – ویژگی ها یا صفات روانی مثل هوش خلاقیت ، انگزش ، نگرش و یادگیری.
رفتارهایی که معرف ویژگی روانی فرد را بررسی می کنیم.
آزمون یا Test وسیله ای نظامدار برای اندازه گیری نمونه ای از رفتار آزمون مجموعه ای از سئوال و غالباً به صورت کتبی(مداد و کاغذی)
برای پاسخگویی در اختیار آزمون شوندگان قرار می گیرد.
آزمون یا Testing وقتی برای اندازه گیری ویژگی های روانی یا تربیتی از آزمون استفاده می کنیم می گوییم آزمودن.
هر آزمونی اندازه گیری ولی هر نوع اندازه گیری آزمون نیست.
سنجش Assessment
برای گرد آوری اطلاعات مورد نیاز تصمیم گیری دانش آموزان برنامه ریزی و سیاستهای آموزشی مورد استفاده است
سنجش کلاسی Classroom Assessment تمامی فرآیندهای مورد نیاز برای تصمیم گیری درباره یادگیری دانش آموزان وسایل مختلفی برای جمع آوری اطلاعات وجود دارد مثل آزمون ، پرسشنامه مقیاس درجه بندی فهرست وارسی کار آزمایشگاهی پروژه تحقیقی رفتار دانش آموزان در موقعیتهای مختلف
سنجش بیشتر در روان شناسی بالینی و آموزش و پرورش کاربرد دارد.
اگر اندازه گیری فقظ با استفاده از آزمون باشد آزمون صورت گرفته و لی سنجش وسایل فنون مختلفی دارد.
اندازه گیری عموماً با کمیت سر و کار دارد اما سنجش هم توصیفی هم کمی ارزشیابی Evaluation یا ارزیابی
به تعیین ارزش Value برای هر چیزی یا داوری ارزشی کردن Value Judgment
تعریف جامع تر: یک فرآیند نظامدار برای جمع آوری تحلیل و تفسیر اطلاعات به این منظور که تعیین شود آیا هدفهای مورد نظر تحقق یافته است یا در حال تحقق یافتن هستند و به چه میزانی یکی از ویژگی های مهم ارزشیابی تعیین کیفیت مثلاً توانایی نوشتن نسبت به پایه تحصیلی اش بسیار خوب ارزشیابی می شود.
ارزشیابی مبنای تصمیم گیری برای فعالیتهای عملی و اجرایی.
رزشیابی دانش آموزان در درسهای ریاضی علوم ، تاریخ و...
یا عملکرد معلمان مدیران روشهای آموزش برنامه های درسی دوره های آموزشی مواد آموزشی پروژه آموزشی سازمان و گروه آموزشی.
ارزشیابی آموزشی Education Evaluation برای تعیین کیفیت اثر بخشی یک برنامه فرآورده پروژه فرآیند هدف یا برنامه درسی به اجرا در می آید.
در ارزشیابی داوری ارزشی می کنیم درباه کیفیت تناسب داشتن موضوع مورد ارزشیابی با هدفهای مورد نظر.
مثلاً آزمونی برگزار شده برای درس علوم جوابهای تصحیح تعداد درست را شمارش نمره بعد نمرات رابا انتظارات درباره مقدار یادگیری و توفیق معلم به داوری می گذاریم.
آزمون --- سئوالات
اجرای آزمون و نمره گذاری --- آزمودن
داوری درباره نتایج آزمون --- ارزشیابی
حالا اگر از مسیرهای دیگر مثلاً پروژه آزمایشگاهی
تحقیق میزان یادگیری را می سنجیدیم
مجموعه این کارها + اجرای آزمون میشودسنجش
هم داده کمی وهم کیفی
تهیه کننده عصمت رادمنش دانشگاه علامه طباطبایی  دانشکدهعلوم تربیتی و روانشاسی سال 94-93

با سلام
سوالات سنجش
سوالات صحیح و غلط
1-ارزشیابی آموزشی عبارت است از نسبت دادن عدد به صفاتی از افراد یا اشیا طبق قواعد معین ص غ
2-چیزی که اندازه گیری میشود خود شی یا شخص نیست بلکه صفاتی از شی یا شخص است ص غ
3-آزمون روانی یک وسیله عینی و میزان شده برای اندازه گیری نمونه ای از رفتار است ص غ
4- یکی از هدفهای امتحان شناخت تفاوتهای فردی آزمونهاست ص غ
5-آزمون نسبت به اندازه گیری مفهوم و معنای گسترده تری دارد
ص غ
6-در اندازه گیری قضاوت و داوری صورت میگیرد
ص غ
7- اندازه گیری مقدم بر ارزشیابی است ص غ
8- محمد در درس ادبیات عملکرد خوبی دارد این فعالیت نشانه ارزشیابی است ص غ
سوالات چهار گزینه ای
1- کدام یک از عبارتات زیر نشانه عمل اندازه گیری است ؟
الف-سپیده در درس ریاضی قوی ترین شاگرد کلاس است
ب- حسین مرتبا در درسهای خود پیشرفت میکند
ج-مریم در درس فیزیک نمره نمره 18 کسب کرده است
د- احمد نسبت به هفته قبل پیشرفت کرده است

2-در عبارت قد علی در کلاس دوم دبیرستان 172 سانتیمتر است این فعالیت مربوط میشود به
الف- سنجش ب- اندازه گیری ج- ارزشیابی د-آزمون
-3همه ی عبارتهای زیر درست است به جز یک مورد ؟
الف-اندازه گیری فیزیکی نسبت به اندازه گیری روانی دقیق تر است
ب- در اندازه گیری روانی واحد اندازه گیری در طی فرایند اندازه گیری ثابت است
ج- اندازه گیری فیزکی مستقیم و اندازه گیری روانی غیر مستقیم صورت میگیرد

د-به طور کلی اندازه گیری روانی و فیزیکی نسبی هستند

4-دادن مفهوم به اطلاعات جمع آوری شده چه نوع فعالیتی هست ؟
الف- اندازه گیری ب-سنجش ج- آزمودن د-ارزشیابی
از اصطلاحات زیر کدام یک معنی محدودتری دارد ؟
الف-اندازه گیری ب- سنجش ج-آزمودن د-ارزشیابی
5-کدام فعالیت زیر معرف سنجش مستقیم است ؟
الف- تعیین تعداد رفتار پرخاشگرانه ای یک کودک از راه مشاهده
ب-اندازه گیری هوشیهر یک دانش آموز با استفاده از یک ارمون هوشی
ج- سنجش میزان اضطراب یک فرد از طریق اجرای یک پرسشنامه
د- برآورد توانایی یادگیرنده در حل مسایل ریاضی از طریق اجرای یک آزمون معلم ساخته
6- کدام ویژگی آزمونهای استاندارد شده یا میزان شده تضمین میکند که اگر چند نفر آزمون واحدی را مورد استفاده قرار دهند نتایج یکسانی به دست خواهند آورد ؟
الف- قواعد اندازه گیری ب-هنجارهای آزمون ج- نمرات استاندارد د- اجرای متحدالشکل
7- کدامیک از بیانات زیر درباره ی اندازه گیری وازمون وسنجش درست است
الف-اندازه گیری و آزمودن دو اصطلاح معادل هستند
ب- اندازه گیری وآزمودن بخشی از یادگیری به حساب میایند
ج- سنجش نوعی اندازه گیری است که با وسایلی بجز آزمودن انجام میشود
د- سنجش زیر مجموعه اندازه گیری است


برچسب‌ها: اندازه گیری, اندازه گیری آموزشی, سنجش, آزمون, آزمودن
+ نوشته شده در  سه شنبه 18 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

آلفای کرونباخ و تتای ترتیبی

تتای ترتیبی 

چکيده :

بي شک همه ي ما درطول دوران زندگي خود حداقل يکبار پرسشنامه پرکرده ايم. تا بحال ازخود پرسيده ايد که اين پرسشنامه ها چگونه تهيه مي شوند و نيز معياري براي بررسي ميزان قابليت اطمينان آنها وجود دارد يا خير؟ بديهي است که چنين مقياسي وجود دارد، چرا که بسياري از بررسي ها ي آماري درسطوح وسيع ابتدا درقالب پرسش نامه پايه گذاري مي شوند، پس مي بايست ملاکي براي نظارت  بر قابليت  اعتماد  آنها  وجود داشته باشد.

در اين مقاله، ابتدا به مفهوم ضريب آلفاي کرونباخ و کارکرد آن، شيوه محاسبه آن با استفاده از نرم افزارهاي آماري مي پردازد. نهايتا به معرفي تتاي ترتيبي  و ارائه برنامه ای جهت محاسبه آن (با استفاده از نرم افزار R)خواهيم پرداخت.

مفهوم ضريب آلفاي کرونباخ:

ضريب آلفاي کرونباخ توسط کرونباخ ابداع شده و يکي ازمتداولترين روشهاي اندازه گيري اعتماد پذيري و يا پايائي پرسش نامه هاست. منظور از اعتبار يا پايايي پرسش نامه اين است که اگر صفت هاي مورد سنجش با همان وسيله و تحت شرايط مشابه و در زمانهاي مختلف مجددا اندازه گيري شوند، نتايج تقريبا يکسان حاصله شود.

 ضريب آلفاي کرونباخ، براي سنجش ميزان تک بعدي بودن نگرشها، عقايد و ... بکار مي رود. در واقع مي خواهيم ببينيم تا چه حد برداشت پاسخگويان از سوالات يکسان بوده است. اساس اين ضريب بر پايه مقياسهاست. مقياس عبارتند از دسته اي از اعداد که بر روي يک پيوستار به افراد، اشيا يا رفتارها در جهت به کميت کشاندن کيفيت ها اختصاص داده مي شود. رايج ترين مقياس که در تحقيقات اجتماعي بکار مي رود مقياس ليکرت است. در مقياس ليکرت اساس کار بر فرض هم وزن بودن گويه ها استوار است. بدين ترتيب به هر گويه نمراتي (مثلا از1 تا 5 براي مقياس ليکرت 5 گويه اي) داده مي شود که مجموع نمراتي که هر فرد از گويه ها مي گيرد نمايانگر گرايش او خواهد بود.

آلفاي کرونباخ بطورکلي با استفاده از يکي روابط  زيرمحاسبه مي شود.

 يا 

که دراين روابط  k تعداد سوالات،  واريانس سوال i ام،  واريانس مجموع کلي سوالات، ميانگين کواريانس بين سوالات، و  واريانس ميانگين سوالات مي باشند (برگرفته شده از آلن و ين، 2002).

با استفاده از تعريف آلفاي کرونباخ مي توان نتيجه گرفت: (1) هرقدرهمبستگي مثبت بين سوالات بيشتر شود، ميزان آلفاي کرونباخ بيشتر خواهد شدو بالعکس، (2) هر قدر واريانس ميانگين سوالات بيشتر شود آلفاي کرونباخ کاهش پيدا خواهد کرد، (3) افزايش تعداد سوالات تاثيرمثبت و يا منفي (بسته به نوع همبستگي بين سوالات) بر ميزان آلفاي کرونباخ خواهد گذاشت، (4) افزايش حجم نمونه باعث کاهش واريانس ميانگين سوالات در نتيجه باعث افزايش آلفاي کرونباخ خواهد شد.

بديهي است هرقدر شاخص آلفاي کرونباخ به 1نزديکترباشد، همبستگي دروني بين سوالات بيشتر و در نتيجه پرسشها همگن ترخواهند بود. کرونباخ ضريب پايايي %45 را کم، %75 را متوسطو قابل قبول، و ضريب %95 را زياد پيشنهاد کرده (کرونباخ، 1951). بديهي است درصورت پايين بودن مقدارآلفا، بايستي بررسي شود که با حذف کدام پرسشها مقدارآن را مي توان افزايش داد.

تتاي ترتيبي:

در سال 1974 آمارداني به نام آمور در مورد استفاده از آلفاي کرونباخ آماردانان ديگر را به چالش کشيد. استدلال او اين بود که آلفاي کرونباخ بر علاوه بر نارايب بوده (نارايبي مثبت)، بر اساس شاخص هاي تعريف و محاسبه مي گردنند که مربوط به داده هاي با مقياس فاصله اي و يا نسبتي هستند، بنابراين استفاده از آلفاي کرونباخ براي محاسبه اي ميزان پايائي پرسش نامه هاي که حاوي سوالات ترتيبي هستند دقيق به نظر نمي رسد. او براي رفع اين مشکل شاخص جديدي تحت عنوان تتاي ترتيبي به صورت زير ارائه داد.

 

که  بيشترين مقدار ويژه در تحليل مولفه اي اصلي مي باشد. اخيرا زامبو، گادرومن، و زيسر (2007) به مطالعه اين شاخص پرداخته و با چندين مثال شبيه سازي شده نشان دادند که ضريب آلفاي کرونباخ هميشه مقدار پاياي را کم برآورد مي کند. بنابراين توصيه مي شود که در هنگامي که داده ها ترتيبي هستنند به جاي آلفاي کرونباخ از تتاي ترتيبي استفاده شود.

چگونگي محاسبه به همراه مثال عملي:

بسياري از نرم افزارهاي آماري قادر به محاسبه آلفاي کرونباخ هستند. در اين قسمت از مقاله چگونگي محاسبه ي آلفاي کرونباخ را توسط دو نرم افزار SPSS و SAS شرح داده، سپس با ارائه يک برنامه به زبان R  چگونگي محاسبه ي آلفاي کرونباخ و تتاي ترتيبي را توسط نرم افزار R نشان مي دهيم. در ادامه با استفاده از سوالات نمونه گيري مقدماتي اميدي (1387) چگونگي سنجش آلفاي کرونباخ و تتاي ترتيبي را نشان مي دهيم.

براي محاسبه آلفاي کرونباخ  به کمک نرم افزار SPSS مسير زيررا دنبال مي کنيم :

Analyze> Scale> Reliability Analysis…

چنانچه مايل باشيم بررسي کنيم که حذف هرسوال چه ميزان روي ضريب آلفاي کرونباخ تاثير مي گذارد، بعد از باز شدن پنجره “Reliability Analysis Reliability Analysis” روي گزينه Statistics کليک کرده و در قسمت “Descriptive for” گزينه “Scale if item deleted”  را انتخاب کنيم.

خروجي نرم افزارSPSS براي داده هاي اميدي (1387) به صورت زيرخواهد بود:

جدول1) خروجی نرم افزار شامل ضريب آلفا و تعداد سوالات

Reliability Statistics

Cronbach's Alpha

N of Items

.855

13

 

 

 

 

جدول2) خروجی نرم افزار

Item-Total Statistics

 

Scale Mean if Item Deleted

Scale Variance if Item Deleted

Corrected Item-Total Correlation

Cronbach's Alpha if Item Deleted

V1

48.159

45.067

.470

.848

V2

48.500

44.488

.517

.845

V3

47.977

46.162

.484

.847

V4

48.318

43.989

.660

.838

V5

48.045

44.230

.495

.846

V6

49.227

45.808

.147

.890

V7

47.864

44.074

.690

.837

V8

48.136

43.283

.653

.837

V9

48.000

45.442

.515

.846

V10

48.068

43.646

.616

.839

V11

47.841

43.532

.680

.836

V12

48.318

43.106

.597

.840

V13

48.545

41.323

.671

.834

 

همانطوريکه ملاحظه مي شود مقدارآلفاي محاسبه شده برابر85 درصد است، که مقدار قابل قبولي است. همانطور که جدول شماره 2 نشان مي دهد حذف سوال ششم (v6) باعث افزايش آلفاي کرونباخ به 89 درصد خواهد شد.   

آلفاي کرونباخ در نرم افزار SAS با استفاده از دستور

proc corr alpha nocorr nomiss; Variables; run;

محاسبه مي گردد. که به دلايل مشابه بودن خروجي با نرم افزار SPSS از ذکر جزئيات آن خوداري مي کنيم.

دو نرم افزار SPSS  و SAS قادر به محاسبه ي تتاي ترتيبي نمي باشند و نرم افزار S-plus و R توانائي محاسبه آلفاي کرونباخ را ندارند.

در ادامه با ارائه تابعي (پيوست الف) چگونگي محاسبه آلفاي کرونباخ و تتاي ترتتيبي را توسط R  نشان مي دهيم.

خروجي برنامه بالا تحت نرم افزار R  براي داده هاي اميدي (1387) در جدول 3 خلاصه شده است.

جدول 3) خروجی برنامه پيوست الف

New_Theta

$` Ordinal Theta if a Question Deleted`

New_Alpha

$`Alpha if a Question Deleted`

0.8849911

Without Question 1

0.8476305

Without Question 1

0.8840719

Without Question 2

0.8448156

Without Question 2

0.8867511

Without Question 3

0.8474065

Without Question 3

0.8765560

Without Question 4

0.8377251

Without Question 4

0.8854676

Without Question 5

0.8461963

Without Question 5

0.8949432

Without Question 6

0.8899667

Without Question 6

0.8737700

Without Question 7

0.8368503

Without Question 7

0.8754874

Without Question 8

0.8368983

Without Question 8

0.8834650

Without Question 9

0.8455129

Without Question 9

0.8782972

Without Question 10

0.8390775

Without Question 10

0.8741109

Without Question 11

0.8361389

Without Question 11

0.8814010

Without Question 12

0.8395971

Without Question 12

0.8775920

Without Question 13

0.8338930

Without Question 13

$`Ordinal Theta for all Question=`  0.8895967

$`Cronbach's Alpha for all Question=` 0.8551825

 

نتيجه آلفاي کرونباخ جدول بالا مشابه با نرم افزار SPSS مي باشد. همچنين تتاي ترتيبي نيز نتيجه مشابه با آلفاي کرونباخ ارائه مي دهد با اين تفاوت که تتاي ترتيبي برآوردگر دقيق تر نسبت به آلفاي کرونباخ براي پايائي سوالات ارائه مي کند.

نتيجه گيري:

با توجه به کم برآورد پايائي توسط آلفاي کرونباخ توصيه مي شود پايائي سوالات ترتيبي با استفاده از تتاي ترتيبي سنجيده شود.

 

منابع :

1- Armor, D. J. (1974). Theta reliability and factor scaling. Sociological methodology, 17-50.

2- Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika. 16, 297-334.

3- Diener, E , Emmons, R. A., Larsen, R. J., & Griffin, S. (1985). The satisfaction with life scale. Journal of Personality Assessment, 49, 71-75 .

4- Lord, F. M. & Novick, M. R. (1968). Statistical theories of mental test scores. ReadingMA: Addison-Wesley Publishing Company.

5- Zumbo, D. B., Gadermann, A. M., and Zeisser, C. (2007). Ordinal versions of coefficient alpha and theta for Likert rating scales. Journal of modern applied statistical methods, 6, 21-29.

6- اميدي، م. (1387). طراحی نظام فناوری اطلاعات و ارتباطات به منظور آموزش کارگزاران خصوصی بيمه کشاورزی ايران. رساله دکتری واحد علوم و تحقيقات دانشگاه آزاد اسلامی.

  

پيوست الف  (برنامه محاسباتي آلفاي کرونباخ و تتاي ترتيبي توسط نرم افزار R)

Alpha<-function(all_data){

N<-ncol(all_data)

  D<-c()  

Q<-c()

# Cronbach’s alpha calculation

Alpha_Cronbach<-function(data){

k<-ncol(data) 

s<-cov(data) 

A<-c()

sumcov<-sum(s)

for(i in 1:k){

A<-c(A,s[i,i]) }

sumcov<-sumcov-sum(A)

alpha<-1/((k-1)*mean(A)/sumcov+(1-1/k))

return(alpha) }

 # Ordinal’s theta calculation

theta_ordinal<-function(data){

p<-ncol(data)

p/(p-1)*(1-1/max(eigen(cor(data))$value)) }

for (j in 1: N){

D<-c(D,Alpha_Cronbach(all_data[-j]))

Q<-c(Q,theta_ordinal(all_data[-j])) }

D<-c(D)

list("Alpha if a Question Deleted" = data.frame("New "=""," Alpha"=D, row.names=paste("Without Question.",1:N))

,"Cronbach's Alpha for all Question="=Alpha_Cronbach(all_data),

"Ordinal Theta if a Question Deleted"=data.frame("New "="","Theta"=Q, row.names=paste("Without Question.",1:N))

,"Ordinal Theta for all Question="=theta_ordinal(all_data)) }

دکترامير تيمور پاينده1، دکتر مريم اميدي نجف آبادی2، فهيمه مسعودي فر3


برچسب‌ها: آلفای کرونباخ و تتای ترتیبی
+ نوشته شده در  یکشنبه 16 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

رگرسیون (خطی، چندگانه، لجستیک، سری زمانی)

رگرسیون (خطی، چندگانه، لجستیک، سری زمانی) regression2 رگرسیون (خطی، چندگانه، لجستیک، سری زمانی) رگرسیون خطی ساده در رگرسیون به دنبال برآورد رابطه ریاضی و تحلیل آن هستیم، به طوری بتوان به کمک آن کمیت یک متغیر مجهول را با استفاده از متغیر یا متغیرهای معلوم، تعیین کرد. با فرض آنکه رابطه علت و معلولی بین دو متغیر کمی وجود دارد و این رابطه به صورت خطی باشد، معادله رگرسیون به شکل زیر است: simple regression رگرسیون (خطی، چندگانه، لجستیک، سری زمانی) رگرسیون چندگانه گاهی دو یا چند متغیر تأثیر عمده ای روی متغیر وابسته دارند. در این وضعیت از رگرسیون چندگانه جهت پیش بینی متغیر وابسته استفاده می‌شود. در رگرسیون چندگانه نیز فرض خطی بودن متغیرها برقرار می‌باشد و بر همین اساس معادله رگرسیون چندگانه با سه متغیر وابسته به شکل زیر تعریف می‌شود: mutiregression رگرسیون (خطی، چندگانه، لجستیک، سری زمانی) رگرسیون لجستیک در بحث تحلیل رگرسیون در مورد موقعیت‌هایی صحبت شد که در آن‌ها متغیرهای وابسته پیوسته بوده است. اما در بسیاری از پژوهش‌ها متغیر وابسته تنها دو نتیجه ممکن دارد و می‌تواند فقط یکی از دو ارزش صفر یا یک را بپذیرد که ارزش یک به معنای وقوع حادثه و ارزش صفر به معنای عدم وقوع آن (یا بالعکس) است. برای مثال ورشکستگی و یا عدم ورشکستگی شرکت‌ها را به کمک چند متغیر مستقل (پیش بین) برآورد می‌کنیم یا با کمک میزان تلاش، میزان هوش، موفقیت یا عدم موفقیت فردی را در کنکور پیش بینی می‌کنیم. رگرسیون سری زمانی در رگرسیون سری زمانی متغیری مستقل وجود دارد که معرف زمان (سال، ماه یا …) است. توجه داشته باشید که این متغیر زمان می‌تواند به همراه سایر متغیرهای مستقل در معادله رگرسیون قرار گیرد. برای مثال مدلی که متغیر وابسته آن بازده سهام و زمان (سال) است، نمونه ای از رگرسیون سری زمانی است. منبع: http://www.tahlil-amari.com/
برچسب‌ها: رگرسیون, خطی, چندگانه, لجستیک, سری زمانی
+ نوشته شده در  یکشنبه 16 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

رگرسیون (خطی، چندگانه، لجستیک، سری زمانی)

رگرسیون (خطی، چندگانه، لجستیک، سری زمانی) regression2 رگرسیون (خطی، چندگانه، لجستیک، سری زمانی) رگرسیون خطی ساده در رگرسیون به دنبال برآورد رابطه ریاضی و تحلیل آن هستیم، به طوری بتوان به کمک آن کمیت یک متغیر مجهول را با استفاده از متغیر یا متغیرهای معلوم، تعیین کرد. با فرض آنکه رابطه علت و معلولی بین دو متغیر کمی وجود دارد و این رابطه به صورت خطی باشد، معادله رگرسیون به شکل زیر است: simple regression رگرسیون (خطی، چندگانه، لجستیک، سری زمانی) رگرسیون چندگانه گاهی دو یا چند متغیر تأثیر عمده ای روی متغیر وابسته دارند. در این وضعیت از رگرسیون چندگانه جهت پیش بینی متغیر وابسته استفاده می‌شود. در رگرسیون چندگانه نیز فرض خطی بودن متغیرها برقرار می‌باشد و بر همین اساس معادله رگرسیون چندگانه با سه متغیر وابسته به شکل زیر تعریف می‌شود: mutiregression رگرسیون (خطی، چندگانه، لجستیک، سری زمانی) رگرسیون لجستیک در بحث تحلیل رگرسیون در مورد موقعیت‌هایی صحبت شد که در آن‌ها متغیرهای وابسته پیوسته بوده است. اما در بسیاری از پژوهش‌ها متغیر وابسته تنها دو نتیجه ممکن دارد و می‌تواند فقط یکی از دو ارزش صفر یا یک را بپذیرد که ارزش یک به معنای وقوع حادثه و ارزش صفر به معنای عدم وقوع آن (یا بالعکس) است. برای مثال ورشکستگی و یا عدم ورشکستگی شرکت‌ها را به کمک چند متغیر مستقل (پیش بین) برآورد می‌کنیم یا با کمک میزان تلاش، میزان هوش، موفقیت یا عدم موفقیت فردی را در کنکور پیش بینی می‌کنیم. رگرسیون سری زمانی در رگرسیون سری زمانی متغیری مستقل وجود دارد که معرف زمان (سال، ماه یا …) است. توجه داشته باشید که این متغیر زمان می‌تواند به همراه سایر متغیرهای مستقل در معادله رگرسیون قرار گیرد. برای مثال مدلی که متغیر وابسته آن بازده سهام و زمان (سال) است، نمونه ای از رگرسیون سری زمانی است.
+ نوشته شده در  یکشنبه 16 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

اندیشه اساسی زیربناي مدل یابی ساختاري

اندیشه اساسی زیربناي مدل یابی ساختاري
یکی از مفاهیم اساسی که در آمار کاربردي در سطح متوسط وجود دارد اثر انتقالهاي جمع پذیر و ضرب پذیر در
K ضرب شود میانگین اعداد در همان K فهرستی از اعداد است یعنی اگر هر یک از اعداد یک فهرست در مقدار ثابت
ضرب خواهد شد. نکته این است که اگر K ضرب می شود و به این ترتیب ، انحراف معیار استاندارد در مقدار قدر مطلق
y مرتبط باشند در این صورت واریانس Y=4X از طریق معادله ي y با مجموعه دیگري از اعداد x مجموعه اي از اعداد
می توانید به گونه غیر مستقیم این y و x باشد و بنابراین از طریق مقایسه واریانس هاي x باید 16 برابر واریانس
با هم مرتبط هستند را بیازماید. این اندیشه از طریق تعدادي معادلات Y=4X از طریق معادله x و y فرضیه را که
خطی از راه هاي مختلف به چندین متغیر مرتبط با هم تعمیم داده می شود. هرچند قواعد آن پیچیده تر و محاسبات
دشوارتر می شود. اما پیام کلی ثابت می ماند. یعنی با بررسی واریانس ها و کوواریانس هاي متغیرها می توانید این
فرضیه را که "متغیرها از طریق مجموعه اي از روابط خطی با هم مرتبط اند" را بیازمایید.


برچسب‌ها: اندیشه اساسی زیربناي مدل یابی ساختاري
+ نوشته شده در  جمعه 14 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

معرفی شاخص های اندازه گیری و روش های تهیه آن ها

معرفی شاخص های اندازه گیری و روش های تهیه آن ها
آنچه در هر مطالعه مورد توجه قرار می گیرد، اندازه گیری ویژگی ها یا صفات اشخاص و اشیا است بوسیله اعداد یا نمرات نسبت داده شده. مثلا وقتی برای سنجش نگرش مردم نسبت به مجموعه های تلویزیونی از پرسشنامه استفاده می کنیم، برای تعیین نمره ی هر شخص عدد یا اعدادی را در نظر می گیریم. بسته به اینکه چه چیزی و چگونه اندازه گیری می نماییم اعدا د به دست آمده ویژگی های متفاوتی خواهند داشت.این ویژگ یهای متفاوت اعداد را مقیاس های اندازه گیری می نمامیم.

انواع مقیاس های اندازه گیری
مقیاس های اندازه گیری را در چهار سطح می توان اندازه گیری کرد، اسمی، ترتیبی، نسبی و فاصله ای.

مقیاس اسمی: اندازه گیری اسمی مستلزم جای دادن اشیا یا افراد در طبقاتی است که از نظر کیفی با هم متفاوت هستند.یک مثال ساده در این مورد متغیر جنسیت است. در سطح اندازه گیری اسمی استفاده از اعداد تنها به منظور مشخص کردن طبقات می باشد و هیچ رابطه ای که با اعمال ریاضی مطابقت کند بین آن ها وجود ندارد. اعداد به کار رفته در یک مقیاس اسمی معرف مقدار مطلق یا نسبی هیچ ویژگی نیستند.

مقیاس ترتیبی: مقیاس های ترتیبی برای ما امکان رتبه بندی ترتیب سطوح متغیر مورد بررسی را فراهم می آورد.برای مثال چهارویژگی داشتن روابط عمومی قوی، تجربه کافی، تحصیلات مرتبط و کارکردن به صورت مستقل، را در نظر می گیریم و از پاسخگویان می خواهیم این صفات را برحسب درجه اهمیت آن ها از 1 تا 5 رتبه بندی کنند. به این ترتیب تفاوت ارجحیت هر مقوله از دید پاسخگو تعین می شود. بااین حال یکی از مشکلات مقیاس ترتیبی آن است که هرچند محقق می تواند تفاوت های مورد نظر را برحسب بزرگتر- کوچکتر بودن، بهتر-بدتر بودن و غیره رتبه کند ولی قادر نیست فاصله ی این تفاوت ها را بدست آورد. به عبارت دیگر مقادیر حاصل در مقیاس ترتیبی فاقد معنای کمی و عددی هستند. علت این امر آن است که در مقیاس ترتیبی هیچ مبدأی وجود ندارد تا ارزش ها نسبت به آن سنجیده شوند.

مقیاس فاصله ای : ویژگی عمده ی مقیاس فاصله ای آن است که به ارزش های آن نمره های عددی تعلق می گیرد. این مقیاس علاوه بر آن که اطلاعات مربوط به مقیاس های طبقه ای و ترتیبی را در بر دارد، اطلاعات اضافی در مورد تفاوت ها به دست می دهد. برای مثال دو دمای 30 و 40 درجه در نظر بگیرید. این دو دما با یکدیگر تفاوت دارند، دمای 40 بیشتر از 30 است و همچنین دقیقا 10 درجه تفاوت وجود دارد. به این ترتیب در این مقیاس می توان رو شهای آماری مختلف مانند محاسبه میانگین، واریانس، همبستگی و.. را انجام داد. لازم به ذکر است که این مقیاس از نقطه ی صفر مطلق شروع نمی شود ولی می توان برای آن صفر قراردادی برگزید. به طور مثال اگر سه نفر در یک آزمون روانشناسی نمرات 30و15گرفته باشند نمی توان گفت نمره 30 معرف دوبرابر بودن دانش فرد نسبت به فرد با نمره 15 است.

مقیاس نسبتی: این مقیاس نه تنها دارای تمام ویژگی های مقیاس های ذکر شده است بلکه دارای مبدأ مطلق یا صفر حقیقی نیز می باشد و بنابراین امکان محاسبه نسبت های مختلف از لحاظ صفت مورد نظر در این مقیاس وجود دارد. متغیرهایی مانند سن، نرخ مرگ و میر، وزن، قد افراد، جمعیت و ... از این دست هستند.کلیه ی اعمال آماری و ریاضی را می توان بر روی این مقیاس انجام داد.

مقایسه مقیاس های اندازه گیری با یکدیگر : برای روشن شد تمایز بین مقیاس های مختلف اندازه گیری فرض کنید می خواهیم نظر بینندگان تلویزیونی را درباره مجموعه های ایرانی بپرسیم. نوع سؤالاتی که براساس مقیاس های معین طرح می شود مانند زیر است :

اسمی : کدامیک از مجموعه های تلویزیونی را تماشا می کنید؟

ترتیبی : مجموعه های تلویزیونی مورد توجه شما تا چه حد منعکس کننده واقعیت های زندگی است؟

خیلی زیاد زیاد متوسط کم بسیار کم

فاصله ای : بهره هوشی مجموعه تلویزیونی مورد علاقه خود را حدس بزنید؟

نسبتی : هفته ای چند ساعت مجموعه ی تلویزیونی تماشا می کنید؟

روش تهیه مقیاس ها
طیف لیکرت: طیف لیکرت یک مقیاس فاصله ای است که از آن می توان برای سنجش توانایی، حساسیت، عقیده و باور، رضایت، ارزش ها و همچنین نگرش افراد به مسائل سیاسی، اجتماعی، اقتصادی، مذهبی و ... استفاده کرد.مراحل تهیه مقیاس لیکرت عبارتست از:

- ابتدا تعداد زیادی گویه مربوط به موضوع مورد نظر جمع آوری می شوند.
2- این گویه ها به تعدادی پاسخگو داده می شوند تا میزان موافقت یا مخالفت خود را روی یک مقیاس 5 درجه ای از کاملا موافق تا کاملا مخالف مشخص کنند. البته این مقیاس دارای 7 درجه نیز می تواند باشد.
3- محاسبه نمره کلی برای هر پاسخگو با جمع کردن نمرات بدست آمده برای هر گویه و با توجه به مثبت یا منفی بودن سؤال انجام می شود.
4- در هر مقیاس محقق به تناسب اهداف و فرضیه های تحقیق خودممکن است حدود 20 تا 30 گویه را تهیه کند. وی بایستی به تحلیل گویه ها بپردازد یعنی ارزش عددی پاسخگو در هر گویه باید با مجموع ارزش های عددی به دست آمده از کل گویه ها در مقیاس مقایسه شود. گویه هایی که با نمره ی کل همبستگی پایین یا منفی دارند باید حذف شوند، زیرا آن ها آنچه را که نمره کل اندازه می گیرد نمی سنجند.

مقیاس تراکمی یا مقیاس گاتمن : این مقیاس که توسط لوئیس گاتمن و همکاران او در دوران جنگ جهانی دوم و در جریان مطالعه بر روی سربازان آمریکایی ساخته شد، شامل مجموعه ای از گویه ها برای سنجش نگرش هایی است که یک بعدی هستند.سعی گاتمن بر این بود که مقیاسی بسازد که در آن پاسخ به هر گویه را بتوان از روی جمع نمرات به دست آمده از کل مقیاس تعین کرد.چند نمونه از گویه هایی که طبق مقیاس گاتمن تهیه شده اند عبارتند از : نمایش برنامه های خشونت آمیز در تلویزیون برای جامعه مضر است، به کودکان نباید اجازه تماشای برنامه های خشونت آمیز داده شود، مدیران شبکه های تلویزیونی نباید اجازه پخش برنامه های خشونت آمیز را بدهند، دولت باید نمایش برنامه های خشونت آمیز را ممنوع کند. به این ترتیب تعداد گویه هایی که شخص با آن موافق است نمره کل شخص را در مقیاس گاتمن تشکیل می دهد. در این مقیاس با در اختیار داشتن امتیاز کل هر پاسخگو می توان نگرش او را پیش بینی کرد. این مقیاس در علوم سیاسی، جامعه شناسی، پژوهش های افکارسنجی و مردم شناسی مورد استفاده قرار می گیرد.

مقیاس افتراق معنایی : مقیاس افتراق معنایی ابزاری برای سنجش معنای مفاهیم است که توسط آزگود و دستیارانش طراحی شده است(آزگود، سوسیو تانبنام،1957). پاسخ دهندگان مفاهیمی مانند اشخاص، اشیا، رفتارها، ایده ها و... را در قالب یک مجموعه صفات دوقطبی با استفاده از مقیاس های 7 نقطه ای رتبه بندی می کنند. به عنوان مثال برای رفتاری چون مصرف سیگار مجموعه صفات ، خوب - - - - - - - بد ، قوی - - - - -- - ضعیف ، فعال - - - - - - - منفعل ، اندازه گیری می شوند.

پژوهش در مورد افتراق معنایی نشان می دهد که به طور واقعی هر موضوعی را می توان با استفاده از چنین روشی اندازه گیری کرد.مانندرتبه بندی مواد خاص(نوشیدنی ها)،مکان ها(مراکز دانشجویی)،افراد(حسابداران)،ایده ها(کاهش مالیات)و رفتارها(استفاده از وسایط حمل و نقل عمومی). بسیاری از پژوهش ها نشان می دهند که مفاهیم به طور کلی در سه بعد اساسی با یکدیگر مرتبط هستند، بعد ارزشیابی یعنی صفاتی چون خوب- بد، مهربان- خشن، بعد فعالیت مانند فعال- منفعل، سریع- آهسته و بعد قدرت همچون ضعیف- قوی، بزرگ- کوچک.

منبع : پایه های پژوهش در علوم رفتاری، نوشته پل سی کازبی ترجمه دکتر حجت الله فراهانی و دکتر حمیدرضا

................................

منبع اصلی این یادداشت: http://www.spss-iran.ir/Scale.php


برچسب‌ها: مقیاس های اندازه گیری, افتراق معنایی, گاتمن
+ نوشته شده در  جمعه 14 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

معرفی شاخص های اندازه گیری و روش های تهیه آن ها

معرفی شاخص های اندازه گیری و روش های تهیه آن ها
آنچه در هر مطالعه مورد توجه قرار می گیرد، اندازه گیری ویژگی ها یا صفات اشخاص و اشیا است بوسیله اعداد یا نمرات نسبت داده شده. مثلا وقتی برای سنجش نگرش مردم نسبت به مجموعه های تلویزیونی از پرسشنامه استفاده می کنیم، برای تعیین نمره ی هر شخص عدد یا اعدادی را در نظر می گیریم. بسته به اینکه چه چیزی و چگونه اندازه گیری می نماییم اعدا د به دست آمده ویژگی های متفاوتی خواهند داشت.این ویژگ یهای متفاوت اعداد را مقیاس های اندازه گیری می نمامیم.

انواع مقیاس های اندازه گیری
مقیاس های اندازه گیری را در چهار سطح می توان اندازه گیری کرد، اسمی، ترتیبی، نسبی و فاصله ای.

مقیاس اسمی: اندازه گیری اسمی مستلزم جای دادن اشیا یا افراد در طبقاتی است که از نظر کیفی با هم متفاوت هستند.یک مثال ساده در این مورد متغیر جنسیت است. در سطح اندازه گیری اسمی استفاده از اعداد تنها به منظور مشخص کردن طبقات می باشد و هیچ رابطه ای که با اعمال ریاضی مطابقت کند بین آن ها وجود ندارد. اعداد به کار رفته در یک مقیاس اسمی معرف مقدار مطلق یا نسبی هیچ ویژگی نیستند.

مقیاس ترتیبی: مقیاس های ترتیبی برای ما امکان رتبه بندی ترتیب سطوح متغیر مورد بررسی را فراهم می آورد.برای مثال چهارویژگی داشتن روابط عمومی قوی، تجربه کافی، تحصیلات مرتبط و کارکردن به صورت مستقل، را در نظر می گیریم و از پاسخگویان می خواهیم این صفات را برحسب درجه اهمیت آن ها از 1 تا 5 رتبه بندی کنند. به این ترتیب تفاوت ارجحیت هر مقوله از دید پاسخگو تعین می شود. بااین حال یکی از مشکلات مقیاس ترتیبی آن است که هرچند محقق می تواند تفاوت های مورد نظر را برحسب بزرگتر- کوچکتر بودن، بهتر-بدتر بودن و غیره رتبه کند ولی قادر نیست فاصله ی این تفاوت ها را بدست آورد. به عبارت دیگر مقادیر حاصل در مقیاس ترتیبی فاقد معنای کمی و عددی هستند. علت این امر آن است که در مقیاس ترتیبی هیچ مبدأی وجود ندارد تا ارزش ها نسبت به آن سنجیده شوند.

مقیاس فاصله ای : ویژگی عمده ی مقیاس فاصله ای آن است که به ارزش های آن نمره های عددی تعلق می گیرد. این مقیاس علاوه بر آن که اطلاعات مربوط به مقیاس های طبقه ای و ترتیبی را در بر دارد، اطلاعات اضافی در مورد تفاوت ها به دست می دهد. برای مثال دو دمای 30 و 40 درجه در نظر بگیرید. این دو دما با یکدیگر تفاوت دارند، دمای 40 بیشتر از 30 است و همچنین دقیقا 10 درجه تفاوت وجود دارد. به این ترتیب در این مقیاس می توان رو شهای آماری مختلف مانند محاسبه میانگین، واریانس، همبستگی و.. را انجام داد. لازم به ذکر است که این مقیاس از نقطه ی صفر مطلق شروع نمی شود ولی می توان برای آن صفر قراردادی برگزید. به طور مثال اگر سه نفر در یک آزمون روانشناسی نمرات 30و15گرفته باشند نمی توان گفت نمره 30 معرف دوبرابر بودن دانش فرد نسبت به فرد با نمره 15 است.

مقیاس نسبتی: این مقیاس نه تنها دارای تمام ویژگی های مقیاس های ذکر شده است بلکه دارای مبدأ مطلق یا صفر حقیقی نیز می باشد و بنابراین امکان محاسبه نسبت های مختلف از لحاظ صفت مورد نظر در این مقیاس وجود دارد. متغیرهایی مانند سن، نرخ مرگ و میر، وزن، قد افراد، جمعیت و ... از این دست هستند.کلیه ی اعمال آماری و ریاضی را می توان بر روی این مقیاس انجام داد.

مقایسه مقیاس های اندازه گیری با یکدیگر : برای روشن شد تمایز بین مقیاس های مختلف اندازه گیری فرض کنید می خواهیم نظر بینندگان تلویزیونی را درباره مجموعه های ایرانی بپرسیم. نوع سؤالاتی که براساس مقیاس های معین طرح می شود مانند زیر است :

اسمی : کدامیک از مجموعه های تلویزیونی را تماشا می کنید؟

ترتیبی : مجموعه های تلویزیونی مورد توجه شما تا چه حد منعکس کننده واقعیت های زندگی است؟

خیلی زیاد زیاد متوسط کم بسیار کم

فاصله ای : بهره هوشی مجموعه تلویزیونی مورد علاقه خود را حدس بزنید؟

نسبتی : هفته ای چند ساعت مجموعه ی تلویزیونی تماشا می کنید؟

روش تهیه مقیاس ها
طیف لیکرت: طیف لیکرت یک مقیاس فاصله ای است که از آن می توان برای سنجش توانایی، حساسیت، عقیده و باور، رضایت، ارزش ها و همچنین نگرش افراد به مسائل سیاسی، اجتماعی، اقتصادی، مذهبی و ... استفاده کرد.مراحل تهیه مقیاس لیکرت عبارتست از:

- ابتدا تعداد زیادی گویه مربوط به موضوع مورد نظر جمع آوری می شوند.
2- این گویه ها به تعدادی پاسخگو داده می شوند تا میزان موافقت یا مخالفت خود را روی یک مقیاس 5 درجه ای از کاملا موافق تا کاملا مخالف مشخص کنند. البته این مقیاس دارای 7 درجه نیز می تواند باشد.
3- محاسبه نمره کلی برای هر پاسخگو با جمع کردن نمرات بدست آمده برای هر گویه و با توجه به مثبت یا منفی بودن سؤال انجام می شود.
4- در هر مقیاس محقق به تناسب اهداف و فرضیه های تحقیق خودممکن است حدود 20 تا 30 گویه را تهیه کند. وی بایستی به تحلیل گویه ها بپردازد یعنی ارزش عددی پاسخگو در هر گویه باید با مجموع ارزش های عددی به دست آمده از کل گویه ها در مقیاس مقایسه شود. گویه هایی که با نمره ی کل همبستگی پایین یا منفی دارند باید حذف شوند، زیرا آن ها آنچه را که نمره کل اندازه می گیرد نمی سنجند.

مقیاس تراکمی یا مقیاس گاتمن : این مقیاس که توسط لوئیس گاتمن و همکاران او در دوران جنگ جهانی دوم و در جریان مطالعه بر روی سربازان آمریکایی ساخته شد، شامل مجموعه ای از گویه ها برای سنجش نگرش هایی است که یک بعدی هستند.سعی گاتمن بر این بود که مقیاسی بسازد که در آن پاسخ به هر گویه را بتوان از روی جمع نمرات به دست آمده از کل مقیاس تعین کرد.چند نمونه از گویه هایی که طبق مقیاس گاتمن تهیه شده اند عبارتند از : نمایش برنامه های خشونت آمیز در تلویزیون برای جامعه مضر است، به کودکان نباید اجازه تماشای برنامه های خشونت آمیز داده شود، مدیران شبکه های تلویزیونی نباید اجازه پخش برنامه های خشونت آمیز را بدهند، دولت باید نمایش برنامه های خشونت آمیز را ممنوع کند. به این ترتیب تعداد گویه هایی که شخص با آن موافق است نمره کل شخص را در مقیاس گاتمن تشکیل می دهد. در این مقیاس با در اختیار داشتن امتیاز کل هر پاسخگو می توان نگرش او را پیش بینی کرد. این مقیاس در علوم سیاسی، جامعه شناسی، پژوهش های افکارسنجی و مردم شناسی مورد استفاده قرار می گیرد.

مقیاس افتراق معنایی : مقیاس افتراق معنایی ابزاری برای سنجش معنای مفاهیم است که توسط آزگود و دستیارانش طراحی شده است(آزگود، سوسیو تانبنام،1957). پاسخ دهندگان مفاهیمی مانند اشخاص، اشیا، رفتارها، ایده ها و... را در قالب یک مجموعه صفات دوقطبی با استفاده از مقیاس های 7 نقطه ای رتبه بندی می کنند. به عنوان مثال برای رفتاری چون مصرف سیگار مجموعه صفات ، خوب - - - - - - - بد ، قوی - - - - -- - ضعیف ، فعال - - - - - - - منفعل ، اندازه گیری می شوند.

پژوهش در مورد افتراق معنایی نشان می دهد که به طور واقعی هر موضوعی را می توان با استفاده از چنین روشی اندازه گیری کرد.مانندرتبه بندی مواد خاص(نوشیدنی ها)،مکان ها(مراکز دانشجویی)،افراد(حسابداران)،ایده ها(کاهش مالیات)و رفتارها(استفاده از وسایط حمل و نقل عمومی). بسیاری از پژوهش ها نشان می دهند که مفاهیم به طور کلی در سه بعد اساسی با یکدیگر مرتبط هستند، بعد ارزشیابی یعنی صفاتی چون خوب- بد، مهربان- خشن، بعد فعالیت مانند فعال- منفعل، سریع- آهسته و بعد قدرت همچون ضعیف- قوی، بزرگ- کوچک.

منبع : پایه های پژوهش در علوم رفتاری، نوشته پل سی کازبی ترجمه دکتر حجت الله فراهانی و دکتر حمیدرضا

................................

منبع اصلی این یادداشت: http://www.spss-iran.ir/Scale.php


برچسب‌ها: مقیاس های اندازه گیری, افتراق معنایی, گاتمن
+ نوشته شده در  جمعه 14 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

مقیاس گاتمن

مقیاس گاتمن:

این مقیاس توسط لوییس گاتمن و همکاران او در دوران جنگ جهانی دوم و در جریان مطالعه بر روی سربازان امریکایی ساخته شد. مقیاس گاتمن با عنوان مقیاس تراکمی یا تجمعی و تدریجی هم شناخته می شوند. هدف مقیاس گاتمن ایجاد یک زنجیره پی در پی برای مفهومی که شما می خواهید اندازه بگیرید می باشد، این به چه معنی است؟ در اصل ما می خواهیم لیستی از آیتم ها یا جملات داشته باشیم که اگر پاسخ دهنده با یک سوال در لیست موافق باشد، با آیتم ها یا سوال های قبلی هم موافق است. مثلا یک مقیاس تراکمی 10 آیتمی را در نظر بگیرید، اگر پاسخ دهنده با آیتم چهارم موافق باشد یعنی با آیتم 1تا4 موافق است. اگر پاسخ دهنده با آیتم 8 موافق باشد، یعنی با 8 آیتم اول موافق است. هدف، پیدا کردن مجموعه ای از آیتم هاست که به طور کامل با این الگو منطبق است، بنابراین ما از تحلیل تراکمی استفاده می کنیم تا بررسی کنیم که به چه میزان آیتم ها می توانند با این ایده تراکمی بودن هماهنگ شوتد. حالا توضیح میدهم چگونه مقیاس گاتمن بسازید.

هدف خود را تعریف کنید:

ابتدا باید هدفتان از ساختن این مقیاس را تعریف کنید. مثلا فرض کنید می خواهید یک مقیاس تراکمی بسازید که نگرش شهروندان امریکایی را نسبت به مهاجرت اندازه می گیرد. شما می خواهید مطمئن باشید که همه انواع مهاجرت را در تعریفتان مشخص می کنید (قانونی یا غیر قانونی) از هر جایی (اروپا، آسیا، امریکای لاتین و امریکای جنوبی، افریقا).

آیتم ها را ایجاد کنید:

در این مرحله شما باید مجموعه ای از آیتم ها که مفهوم مورد نظر شما را منعکس می کند ایجاد کنید، یا خودتان باید این کار را انجام دهید یا از افرادی که دانش کافی دارند استفاده کنید.

مثلا:

من به فرزندم اجازه می دهم با یک مهاجر ازدواج کند

من معتقدم ایت کشور باید به مهاجران بیشتری اجازه دهد این کشور بیایند.

من مشکلی ندارم مهاجران جدید به جامعه ام بیایند.

من مشکلی با اینکه مهاجران جدیدی در بلوک ( آپارتمان) ما زندگی کنند ندارم.

من مشکلی ندارم فرزندم با یک مهاجر جدید قرار ملاقات بگذارد.

حدود 80 تا 100 آیتم تنظیم کنید.

آیتم ها را رتبه بندی کنید:

حالا از افراد می خواهید که این آیتم ها را رتبه بندی کنند و بگویند چه میزان این آیتم ها با مفهوم مهاجرت منطبق اند. اگر منطبق بودند گزینه" بلی" و اگر "نه" گزینه خیر را علامت بزنند.

نکته: دقت کنید ما نمی خواهیم که افراد از نظر شخصی خود را در مورد جمله ها ارائه دهند. فقط می خواهیم بدانیم این جمله ها چقدر به ساختار موضوع ما که مهاجرت است مرتبطند.

مقیاس تراکمی را ایجاد کنید:

کلید اصلی مقیاس گاتمن، در تحلیل آن است. یک ماتریکس یا جدول می سازیم که پاسخ تمام پاسخ دهنده ها به تمام آیتم ها را نشان می دهد. سپس تمام این ماتریکس را طبقه بندی (sort) می کنیم که پاسخ دهنده هایی که با بیشتر جمله ها موافقند در بالا و آنهایی که با تعداد کمتری از جمله ها موافقند در پایین قرار بگیرند.

برای پاسخ دهنده هایی که تعداد موافقت هایشان برابر است جمله ها را از چپ به راست طبقه بندی می کنیم، از جمله هایی که بیشترین موافقت را دارند تا آنهایی که کمترین موافقت را دارند. جدولی مشایه آنچه آورده ام به دست می آید:

 جدول مقیاس تراکمی گاتمن

وقتی از سمت چپ به راست نگاه کنید، خیلی بیشتر تراکمی به نظر می آیند. اگر کسی با آیتم 7 موافق باشد با آیتم 2 هم موافق است. اگر کسی با آیتم 5 موافق باشد با آیتم 7 و 2 هم موافق است. ماتریکس نشان می دهد که تراکمی بودن مقیاس کامل نیست، در حالی که در کل یک فردی که با آیتم 3 موافق است تمایل دارد با آیتم 5 و 7 و 2 هم موافق باشد، اما بعضی استثناها هم برای این قانون وجود دارد، بعد آیتم های مقیاس نهایی خود را انتخاب می کنید و یک سری آیتم ها حذف می شود.

 

اجرا کردن مقیاس:

در مرحله بعد، بعد از اینکه آیتم های مقیاس نهایی خود را انتخاب کردید، مقیاس را اجرا می کنید. مقیاس را به پاسخ دهنده ها می دهید و از آنها می خواهید جواب بدهند. برای مقیاس مهاجرت فرضی ما آیتم ها به ترتیب زیر می آیند:

من معتقدم این کشور باید مهاجران بیشتری را بپذیرد

من با اینکه مهاجران جدیدی به جامعه ام وارد شوند مشکلی ندارم

من با اینکه مهاجران جدید در آپارتمانم زندگی کنند مشکلی ندارم

من با اینکه مهاجران جدید همسایه ام باشند مشکلی ندارم

من با ابنکه فرزندم با یک مهاجر قرار ملاقات داشته باشد مشکلی ندارم

من به فرزندم اجازه می دهم با یک مهاجر ازدواج کند.

مطمئنا وقتی می خواهیم آیتم ها را به پاسخ دهنده ها بدهیم باید ترتیبشان را به هم بزنیم. مقیاس نهایی ما به این شکل خواهد بود:

 

با هر جمله ای که موافقید کنار آن علامت "ص" بزنید:

 

 

........... من به فرزندم اجازه می دهم با یک مهاجر ازدواج کند.

........... من معتقدم این کشور باید مهاجران بیشتری را بپذیرد.

........... من با اینکه مهاجری در همسایگی ام زندگی کند مشکلی ندارم.

........... من با اینکه مهاجران به جامعه ام بیایند مشکلی ندارم.

........... من با اینکه مهاجران در آپارتمانم زندگی کنند مشکلی ندارم.

........... من با اینکه کودکم با یک مهاجر قرار بگذارد مشکلی ندارم.

  هر یک از آیتم ها یک ارزشی دارد. در آخر ارزش هر آیتمی که با آن موافقت شده با هم جمع می کنیم. در مثال ما ارزش نهایی آنها باید دلالت بر نگرش افراد نسبت به مهاجرت باشد.

 ترجمه و تنظیم و ارائه: خانم مهدیه هلاجیان (ارشد روانشناسی تربیتی دانشگاه علامه طباطبایی)

 

سوال های طرح شده از مقیاس گاتمن

1-   مقیاس گاتمن چیست و هدف از ایجاد مقیاس گاتمن چیست؟

2-   خاصیت تراکمی مقیاس گاتمن به چه معناست؟

3-   مراحل ایجاد مقیاس گاتمن را به طور مختصر شرح دهید.

4-   آیا پاسخ بلی یا خیر افراد به جملات مقیاس گاتمن بیانگر نظر شخصی آنها نسبت به موضوع مورد نظر است؟

5-   با ذکر مثال ایجاد یک مقیاس تراکمی و استثناهای آن را توضیح دهید.


برچسب‌ها: مقیاس گاتمن
+ نوشته شده در  چهارشنبه 12 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

روش های تعیین نقطه برش (استاندارد چیرگی)

به نقطه برش استاندارد چیرگی نیز گفته می شود. استاندارد چیرگی حد نصاب قبولی در آزمون است و داوطلبان را به دو طبقه قبول و مردود تقسیم می کند. سیزک و بانچ اشاره می کنند که اصطلاح استاندارد عملکردی به طور معمول به عنوان یک مترادف برای اصطلاحات نمره برش، سطح پیشرفت، استاندارد و نمره قبولی استفاده می شود. همبلتون نیز در توضیح تعریف پوفام از آزمون ملاک محور اشاره ای به نمره برش برای جداسازی آزمودنی ها به دو حالت چیرگی: مسلط و غیر مسلط دارد و آن را یک مفهوم سازی از چیرگی می داند. همچنین شروک و کوسکارلی استاندارد برای قبولی را نمره برشی می دانند که افراد مسلط را از افراد غیر مسلط جدا می کند.

از نقطه برش بیشتر در آزمون هایی استفاده می شود که ساخت آنها بر اساس اهداف است. یکی از دشوارترین و در عین حال مهمترین وظیفه مورد نیاز در ساخت آزمون های ملاک مرجع، تعیین استاندارد برای قبولی است، یعنی نمره برشی که افراد مسلط را از افراد غیر مسلط جدا می کند. بعد از این که انتخاب نهایی سوالات آزمون صورت گرفت، نمره برش برای تعیین چیرگی می تواند انجام شود.

بر طبق گروه بندی جیگر روش های تعیین استاندارد می توانند به دو مقوله آزمون محور و آزمودنی محور تقسیم می شوند. در روش های آزمون محور، شرکت کنندگان در جلسه تعیین استاندارد، پیشنهادات نمره برش خود را با بررسی دقیق و کامل محتوی آزمون یا سوالات آزمون ارائه می دهند. در روش های آزمودنی محور قضاوت های شرکت کنندگان درباره خود آزمون شوندگان مد نظر قرار می گیرد. طبقه بندی دیگر طبقه بنید کین است که روش های تعیین استاندارد به روش های کلی و تحلیلی تقسیم می شوند. روش های ندلسکی، ایبل و آنگوف و راک جزء روش های آزمون محور و روش گروههای مقابله ای جز روش های آزمودنی محور به شمار می روند. یک عنصر مشترک در تمام روش های تعیین استاندارد، بیان قضاوت های آگاهانه ، مبتنی بر بهترین شواهد در دسترس افراد، خلاصه کردن قضاوت ها به شیوه ای نظامند، نوعا به کمک مدل ریاضی، برای تولید یک یا بیش از یک نمره برش است.

روش قضاوت آگاهانه

روش قضاوت آگاهانه تعیین استاندارد را یک قضاوت انسانی می داند. برای تعیین نقطه برش دست به دامان ذی نفعان از جمله ناظرین، مستخدمین، مشتریان و ... می شود. چهار مرحله ی مختلف برای روش قضاوت آگاهانه وجود دارد.

روش ندلسکی

این روش عمر طولانی دارد چون این روش شهودی است و انجام آن ساده است. از لحاظ زمانی این روش کارایی لازم را دارد. مزیت دیگر این روش این است که می تواند با وجود یا بدون وجود داده های عملکرد آزمودنی روی سوالات یا فرم آزمون به کار رود.

ارزش ندلسکی به عنوان احتمال آن که دانش آموز مرزی به سوال به طور صحیح پاسخ خواهد داد، تعریف می شود. برای فرض کنید شرکت کنندگان قضاوت کرده اند که آزمودنی مرزی دو گزینه را به عنوان گزینه نادرست کنار بگذارد، بنابراین سه گزینه برای انتخاب باقی می ماند و درجه بندی ندلسکی برای این سوال 33 درصد می شود.

روش ایبل

رابرت ایبل این روش را معرفی کرد در سال 1972. این روش در پزشکی اخیرا زیاد استفاده می شود و شاید رایج ترین روش برای تعیین سطح قبولی در آزمون های پیشرفت کلاسی باشد. به طور کلی از این روش در آزمون های متشکل از سوالات چند گزینه ای استفاده می شود. در این روش شرکت کنندگان لازم است هم در مورد سطح دشواری سوال و هم در مورد مربوط بودن سوال اظهار نظر نمایند و قضاوت کنند. قضاوت ها به صورت احتمالی بیان نمی شود بلکه به عنوان مکان یابی های مقوله تلقی می شوند. برای مثال لازم است که شرکت کنندگان سوالات را در یکی از سه مقوله دشوار و متوسط و ساده و در یکی از چهار مقوله ضروری مهم قابل قبول و مورد تردید قرار دهند. برای بدست آوردن نقطه برش از طریق روش ایبل تعداد دفعاتی که سوالات ارزیابی می شوند که در یک مقوله باشند در درصد سوالاتی که شرکت کنندگان اعتقاد داشتند که باید به طور صحیح پاسخ داده شود، ضرب می شود.

روش آنگوف

روش آنگوف یک طبقه بندی کلی از تکینک ها برای برآورد نمره برش یک آزمون، از طریق تعیین برآوردهایی از موفقیت برای یک فرد با حداقل صلاحیت در هر سوال وجود دارد. در این روش از شرکت کنندگان خواسته می شود تا نسبتی از زیر جامعه ی آزمودنی ها که به سوالات به طور صحیح پاسخ می دهند فراهم کنند. زیر جامعه ی مورد علاقه آن گروهی از آزمودنی هاست که دارای حداقل صلاحیت هستند یا صرفا روی مرز فرضی بین عملکرد قابل قبول و غیر قابل قبول قرار دارند. آنگوف می گوید: " با در نظر داشتن فردی دارای حداقل قابل قبول فرضی در ذهن، فرد می تواند آزمون را دقیقا سوال به سوال بررسی کرده و تصمیم بگیرد که آیا چنین فردی می تواند به هر سوال مورد بررسی به طور صحیح پاسخ دهد. چنان چه فرد برای هر پاسخ صحیح یک نمره و برای هر پاسخ نادرست نمره صفر بگیرد، مجموع نمرات سوالات برابر با نمره ی خام کسب شده توسط هر فرد دارای حداقل قابل قبول خواهد شد.

روش گروههای مقابله ای

روش گروههای مقابله ای ابتدا توسط برک توصیف شد. در این روش لازم است تا شرکت کنندگان یعنی ارزیابان قضاوت های متسقیم درباره وضع واقعی و نه فرضی آزمون شوندگانی که با آنها آشنایی دارند انجام دهند. از لحاظ ماهیتی، این روش نمره قبولی برای یک آزمون را از طریق ترکیب قضاوت های شرکت کنندگان درباره آزمودنی ها با اطلاعاتی در خصوص عملکرد واقعی آنها در آزمون استخراج می کند. در این روش از اطلاعات عملکردی استفاده می شود و به علت این که نیازمند تشخیص افراد مسلط از غیر مسلط توسط کارشناسان و گرد آوری تعداد نسبتا زیادی از افراد مسلط و غیر مسلط است از روش های قبلی دشوارتر است.

روش راک

روش راک به صورت مفصل و جزئی در لینک زیر توضیح داده شده است. 

http://measurement.blogfa.com/post-59.aspx


برچسب‌ها: نقطه برش, استاندارد چیرگی, آزمون ملاک مرجع
+ نوشته شده در  شنبه 1 آذر1393ساعت   توسط محمد حسین ضرغامی  | 

تحلیل کواریانس یا آنکوا

آزمون تحلیل کواریانس ANCOVA در تحلیل واریانس یک راهه(ANOVA) متغیرهای مستقل کمّی می توانند به عنوان متغیرهای کمکی درنظر گرفته شوند.در این صورت این طرحها به عنوان تحلیل کواریانس در نظر گرفته می شوند. از تحليل كوواريانس به عنوان يك کنترل آماری نام برده مي شود. این تحليل تركيبي از تحليل واريانس و تحليل رگرسيون است و زمانی قابل استفاده است که در آن متغیر وابسته کمی بوده ، چند متغیر مستقل کمی و کیفی وجود داشته باشد. تحليل كوواريانس در چارچوب رگرسيون تفاوتي با تحليل واريانس ندارد جز ‌آن كه اثر متغير كمكي از متغير وابسته حذف مي شود. متغير كمكي را در چارچوب رگرسيون مي توان يك متغير مستقل دانست كه در تبيين تغييرات متغير وابسته بر سایر متغير هاي مستقل پيشي مي گيرد. در تحلیل رگرسیون می توان به راحتی با کنترل برخی از متغیرها اثرات سایر متغیرهای مستقل را در تبیین متغیر وابسته بدست آورد. فرض این است كه متغير كمكي منبع تغييراتي در متغير وابسته علاوه بر متغير مستقل باشدو از طريق تحليل كواريانس اثرات ناشي از متغيرهاي كمكي تعديل شود. متغیر کمکی موثر در تحلیل کواریانس متغیری است که همبستگی بالایی با متغیر وابسته داشته ولی با متغیرهای مستقل همبستگی نداشته باشد چون متغیرهای کمکی پارامتری یا کمّی در طرح های تجربی و مطالعه پیمایشی به منظور حذف و از بین بردن اثرات خارجی بر متغیر وابسته و افزایش دقت اندازه گیری مورد استفاده قرار میگیرند. می دانیم که رد يك فرض نادرست توان آزمون نامیده مي شودو به چندين عامل بستگی دارد از جمله: حجم نمونه، ميزان تغيير پذيري در متغير وابسته، طرح پژوهش و روش تحليل آماری و سطح معناداري انتخاب شده توسط پژوهشگر. برخي از این روش ها در اختیار پژوهشگر نيست يا مستلزم صرف وقت و هزينه بالايي است، ولي انتخاب طرح آزمايشي، تحليل آماری يا هر دو مي تواند توان آماری را بدون صرف هزينه زياد افزايش دهد. تحليل كوواريانس موثرترين وسيله براي اين منظور است و كل پراش را به سه بخش، پراش تبيين شده توسط كاربندي، پراش تبين شده توسط همپراش و پراش پسماند تقسیم مي كند. اگر متغير كمكي با پيامد همبستگی قوي داشته باشد پراش پسماند كوچك خواهد بود و توان آماری به شکل اساسی افزايش خواهد يافت. پیش فرضهای لازم برای اجرای آزمون تحليل كواواريانس عبارتند از : 1- نرمال بودن. 2- همگني واريانس ها. 3- رابطه بین متغير وابسته با متغير كمكي خطي فرض شود.و یا رابطه بین متغير وابسته و متغير كمكي معنادار باشد. 4- ضرايب خطوط رگرسيون با هم برابر باشند. و یا متغیر مستقل و کمکی با هم تعامل نداشته باشند.

 


برچسب‌ها: تحلیل کواریانس یا آنکووا
+ نوشته شده در  سه شنبه 13 آبان1393ساعت   توسط محمد حسین ضرغامی  | 

مطالب قدیمی‌تر