سنجش و اندازه گیری

مولفان مختلف برای ساخت یک مقیاس بر حسب سازه ای که اندازه می گیرند و هدف اندازه گیری رویکردهای مختلفی در پیش گرفته اند. به طور کلی و خلاصه بعضی از این روش ها عبارتند از: کلید یابی تجربی، رویکرد سازه که از تحلیل عاملی استفاده می کند و روش های سوال پاسخ.

دو روش اول جز روش های سنتی محسوب می شوند. در روش کلیدیابی تجربی هدف پیش بینی افراد است و برای سنجش یک صفت پنهان خالص طراحی نشده است. استفاده از نظریه سوال پاسخ در ساخت آزمون نیازمند یک سری مفروضات است و در صورت وجود این فرض ها است که استفاده از آن معنی دارد. برازش داده ها با مدل، تک بعدی بودن (در صورت استفاده از مدل های تک بعدی)، استقلال موضعی و نمونه ناهمگن (لزومی ندارد نمونه معرف جامعه باشد) بعضی از ضروریات استفاده از مدل های IRT است. همه ی کاربردهای توصیف شده به این مفروضه استوارند که داده ها می توانند به طور مناسب به وسیله روش های IRT مدل سازی شوند.

 گام های اساسی در ساخت مقیاس از طریق رویکرد IRT:

نخستین گام آن است که پارامترها از طریق یک مدل مناسب نظریه ی سوال پاسخ برآورد شود.

برازش سوال: در این مرحله ممکن است از یک یا چند آماره ی مجذور خی برازش سوال را محاسبه کنند. سوال هایی که با پارامترهای برآورد شده مدل برازش کمتری دارند از مقیاس خارج می شوند.

بررسی پارامترهای برآورد شده. این پارامترها برای ایجاد منحنی های ویژگی سوال و آزمون مورد استفاده قرار می گیرند.

بررسی منحنی های آگاهی سوال و آزمون با توجه به هدف پژوهش.

در ساخت آزمون بر اساس IRT مفاهیم منحنی های آگاهی سوال و آزمون نقش اصلی را ایفا می کنند. چون در این روش بر منحنی های آگاهی تاکید می شود و نه بر همبستگی های سوال با نمره ی کل و همبستگی های درونی سوالات ممکن است سوالات انتخاب شده برای مقیاس با روش های سنتی متفاوت باشد. مزیت منحنی های آگاهی نسبت به همبستگی ها این است که گاهی اوقات دو آزمون دارای ضراییب اعتبار یکسان است و از دید روش های سنتی تفاوتی بین آنها وجود ندارد ولی از طریق منحنی های آگاهی ما می توانیم مشخص کنیم آزمون یا سوال در کدام منطقه از حوزه ی توانایی بیشترین آگاهی و کمترین خطا را ارائه می دهد.

مدل های سوال پاسخ چند ارزشی (Polytomous)

مدل های سوال پاسخ برای معرفی رابطه ی بین یک صفت مکنون و یک متغییر استفاده می شوند (مانند رابطه ی توانایی و انتخاب شغل). زمانی که سوالات به صورت غلط یا درست نمره گذاری شده باشند از مدل های سوال پاسخ دو ارزشی استفاده می شود ولی زمانی که سوالات به صورت چند ارزشی هستند باید از مدل های چند ارزشی استفاده کرد. سوالات موجود در این مرکز همگی چند ارزشی بوده و در مقایسه با سوالات دو ارزشی اطلاعات بیشتری را  فراهم می آورند. مدل های سوال پاسخ فراوانی وجود دارد. مدل ها یا مستقیم اند یا مدل های غیر مستقیم. در اینجا تنها به مدل پاسخ مدرج که یک مدل غیر مستقیم است اشاره می شود. این مدل غیر مستقیم است چون برای تعیین احتمال شرطی پاسخ آزمودنی به یک طبقه خاص دو مرحله وجود دارد.

برای استفاده از مدل های سوال پاسخ باید دو شرط اساسی رعایت شود: 1. تک بعدی بودن آزمون 2. استقاال موضعی. در عمل لازم است این پیش فرض ها بررسی شوند. اگر چه روش هایی نیز وجود دارد که به مدل های چند بعدی موسوم اند و می توانند با نقض شرط یک استفاده شوند. به هر حال مدل پاسخ مدرج نیازمند دو شرط بالا می باشد.

استفاده از نظریه سوال پاسخ در ارزیابی ابعاد زیربنایی آزمون

یکی از سوالات اساسی در مورد یک پرسشنامه این است که چند عامل مکنون بر پاسخ مشاهده شده سوالات یک آزمون تاثیر می گذارد. به طور کلی هر اندازه سوالات تک بعدی باشند یعنی تنها یک عامل زیر بنایی وجود داشته باشد ابهام در تفسیر نمرات خام بدست آمده از مقیاس کمتر و اصلاح برای کاهش مجاز است و استفاده از مدل های تک بعدی IRT معقول و مناسب است. اگر تعداد ابعاد مکنون افزایش یابد پژوهشگر می تواند از مدل های چند بعدی IRT استفاده کند.

مشهورترین ابزار مورد استفاده برای بررسی ابعاد زیربنایی در پژوهش های مربوط به شخصیت و نگرش تحلیل عاملی خطی اکتشافی و تاییدی است. متاسفانه استفاده تحلیل عاملی خطی برای بررسی سوالات چند ارزشی مناسب نیست در حالی که بیشتر سوالات در این زمینه ها چند ارزشی اند. تحلیل عاملی خطی مبتنی بر مفروضات نرمال بودن توزیع و درجه بندی پیوسته است. ملاک هایی که اغلب نقض می شوند. نقض این پیش فرض ها می تواند به بیش برآورد یا کم برآورد تعداد ابعاد مکنون منجر شود.  استفاد از ضرایب همبستگی چند رشته ای، پلی کوریک یا تتراکوریک به جای ضریب همبستگی پیرسون نمی نواند لزوما مشکلات را حل کند.

فواید مربوط به تحلیل عامل غیر خطی و نتایج گمراه کننده تحلیل عاملی خطی در پژوهش های مربوط به شخصیت و نگرش در منابع زیادی ذکر شده است. با کاربرد مدل های چند بعدی IRT به جای تحلیل عاملی غیر خطی از مشکلات مربوط به تحلیل عاملی خطی جلوگیری می شود. برخی مدل های چند عاملی IRT مانند تحلیل عاملی سوال با اطلاعات کامل که به وسیله ی نرم افزار تست فکت و پلی فکت قابل اجرا است می تواند جایگزین مناسب و شایسته ای برای تحلیل عاملی غیر خطی باشند و در اصل معادل این تحلیل است. به دلیل این که در این مدل تمامی اطلاعات موجود در ماتریس سوال پاسخ در برابر اطلاعات موجود در ماتریس همبستگی یا کوواریانس قرار می گیرد به آن مدل اطلاعات کامل گفته می شود. نرم افزار تست فکت این کار را برای سوالات دو ارزشی انجام می دهد و نرم افزار پلی فکت برای سوالات چند ارزشی. متاسفانه نرم افزار پلی فکت تاکنون تجاری نشده است و تنها در اختیار ETS می باشد. ولی می توان سوالات چند ارزشی را به سوالات دو ارزشی تبدیل کرد و از نرم افزار تست فکت که یک نرم افزار تجاری است استفاده کرد.