Munkakör elemzése

Az oldal jelenlegi verzióját még nem ellenőrizték tapasztalt közreműködők, és jelentősen eltérhet a 2020. január 1-jén felülvizsgált verziótól ; az ellenőrzéshez 1 szerkesztés szükséges .

Az itemek (tesztelemek) [1] elemzése magában foglalja az egyes tesztelemek alkalmasságának vizsgálatára szolgáló statisztikai módszerek összességét, amelyek értékeit a vizsgálat céljától függően például írásbeli felméréssel kaptuk meg. . A cél egy minőségi skála létrehozása (a skála itt bizonyos változók mérésére szolgáló eszközt jelent) a tesztelemek tesztelésére és fejlesztésére. Az itemelemzés tárgya tehát az egyes elemek hasznosságának tanulmányozása egy adott teszthez. A munkaelemzés kulcsfontosságú eszköz a tesztesetek megtervezéséhez és megbízhatóságuk értékeléséhez (mint kritérium). Az értékelés szempontjából döntő az a döntés, hogy az egész teszt (vagyis annak minden eleme) pontosan annak tanulmányozására irányul, amit eredetileg mérni akartak.

Definíció

A feladatelemzés fogalma nincs pontosan meghatározva a szakirodalomban. Az egyes tesztelemek pszichometriai kritériumainak empirikus meghatározására szolgál. A legtöbb meghatározás a teszttervezés klasszikus feladatelemzésére vonatkozik: • Gyakorisági eloszlás elemzése • Statisztikai paraméterek számítása o A feladatok nehézsége o A feladatok diszkriminációs ereje (megkülönböztető képessége) o A feladatok homogenitása (homogenitása) • Dimenzionalitás (dimenzionalitás). Az elemzés az algoritmus szerint történik, melynek célja annak a faktornak a mérési képességének fejlesztése, amelyre a teszt készült. Az itemelemzés az itemek kiválasztására, felülvizsgálatára, tesztben való helyes elhelyezésére, esetleg párhuzamos tesztek kidolgozására szolgál.

A nyers értékek megoszlási elemzése

A kontrollértékek grafikusan is megjeleníthetők (pl. oszlopdiagramként). Ez adja az első általános elképzelést a frekvenciaeloszlásról . A fő érdeklődés itt az értékek terjedése és a válasz arra a kérdésre, hogy a nyers értékek eloszlása normális eloszlást követ-e. Mivel sok statisztikai elemzési eljárás normális eloszlást feltételez, megfelelő eloszlás kívánatos.

Statisztikai paraméterek

A feladatok nehézsége

A feladatok nehézségét egy index jellemzi, amely megfelel a feladatot helyesen megoldók arányának (Bortz & Döring, 2005). Korábban ezt a mutatót Népszerűségi Indexnek hívták. A Nehézségi Index célja, hogy különbséget tegyen a nagy nehézségű és a könnyebb feladatok között. Alkalmatlanok azok a feladatok, amelyekre minden tantárgy helyes választ ad, vagy olyan feladatok, amelyekre senki sem találta meg a választ. A nehézségi indexnek szükségszerűen ezen szélsőséges esetek között kell elhelyezkednie. A teszteknél a nehézségi szintnek le kell fednie a vizsgálat által mért jellemző teljes lehetséges tartományát.

A kétlépcsős választ (például igaz / hamis) tartalmazó tesztelemek nehézségét a következőképpen számítjuk ki:

$p={\frac {N_{R}}{N}}$ , ahol

Nr = helyesen válaszoló alanyok száma, N = alanyok száma, p = A tétel nehézsége (csak kétlépcsős tételek!) Ez a legegyszerűbb esetre ad megoldást. Ha az alanyok nem oldották meg a feladatot, vagy felmerül a gyanú, hogy egyes feladatokat „véletlenszerűen” hajtottak végre, akkor más alternatív megoldásokra kell hagyatkozni. (vgl. Fisseni, 1997, 41-42).

Feladatok nehézségének számítása többlépcsős (alternatív) válaszokkal: Az az eset, amikor p nincs definiálva. Lehetséges megoldások erre a problémára: • Hozzon létre egy dichotómiát a beállított értékekből (például 0 és 1), ebben az esetben a kétlépéses válaszú feladat nehézségét számítja ki. • Az átlag és a variancia számítása (az átlag p-vel ekvivalens, de a szórást is figyelembe kell venni).

• = Többszintű válaszokat tartalmazó kérdések indexe: ${\displaystyle p_{m))$

Egyszerűsített képlet: ${\displaystyle p_{m}={\frac {\text{Erreichte Wertepunkte)){\text{Erreichbare Wertepunkte))))$

A pontosabb számítás érdekében a különböző szerzők különböző módszereket kínálnak (vgl. Fisseni, 2004, 43-45). A két feladat nehézségének különbsége multidiszciplináris táblázat segítségével ellenőrizhető. Ezeket a képleteket csak tesztszintre lehet használni, vagyis amikor nincs szükség tesztelésre és/vagy amikor az alanyok minden feladattal meg tudtak birkózni. (vgl. Lienert, 1989).

A feladatok megkülönböztető ereje (megkülönböztető képessége)

A megkülönböztető erő kiszámításával láthatja, hogy az egyes tételek mennyire befolyásolják a teljes vizsgálati eredményt (Bortz és Döring, 2005). Ezért a magas diszkriminatív teljesítménypontszám azt jelenti, hogy az elem képes megkülönböztetni az elemeket a teljes teszt szempontjából (azaz a jellemző magas értékkel rendelkező személyeket az alacsony értékkel rendelkezőktől). A megkülönböztető erőnek van együtthatója. Ez a korrelációs együttható egyetlen elem és az általános tesztpontszám között. Az együtthatót minden egyes feladatra számítják ki, és az ellenőrzési szint skálájától függ. Ha a tesztértékek eloszlása normális eloszlású, akkor a diszkrimináló erőt ( ) az egyik i feladat értéke és a t teszt összértéke közötti korreláció határozza meg: $r_{it}$

{\displaystyle r_{it}={\frac {cov(i,t)}{s_{i}\cdot s_{t))))

Ha = 0, akkor a feladatok egyformán alacsony és magas tulajdonságértéket érnek el. Ha a korrelációs pontszám negatív, akkor az elem használhatatlannak minősül. Eleve a feladatok minél nagyobb megkülönböztethetősége kívánatos, különösen a tesztek szintjén. Az egyes feladatok megkülönböztető ereje a teszt összetettségétől, dimenziójától és homogenitásától, valamint a teszten belüli elhelyezkedésétől és a kritérium megbízhatóságától függ. (A ismérv tartalmazhat tesztértéket, emellett külső kritérium is használható. Ekkor együtthatóként működik) A diszkrimináns teljesítmény magas hatásfoka átlagos feladatkomplexitás mellett lehetséges (vgl. Lienert, 1989). $r_{it}$

Homogenitás (homogenitás)

A homogenitás megmutatja, hogy a tesztelemek milyen szorosan kapcsolódnak egymáshoz. Magas homogenitás esetén a kutatási feladatok ugyanazon jelenség mérésére irányulnak (Bortz és Döring, 2005). Minden tesztelemnek van korrelációs párja, ami egy korrelációs együtthatót ( ) eredményez, amely (a Fisher Z-transzformációval számítva) leírja az átlagos teszt homogenitási pontszámot ( ). Az összefüggések száma a feladatok nehézségétől függ. Minél nagyobb a nehézségi szempont szerinti különbség a feladatok között, annál kisebb a keresztkorreláció, ami viszont befolyásolja a teszt megbízhatóságát. Így a teszt elemei (részteszt) nem mutatnak korrelációt nehézségi szempontból (heterogén teszt), vagy az itemek rendelkeznek ezzel (homogén teszt) (vgl. Lienert, 1989). ${\bar {r}}_{it}$ $k(k-1)/2$ ${\displaystyle r_{ii))$ ${\bar {r}}_{ii'}$ ${\displaystyle r_{ii))$

Dimenzionalitás (dimenzió)

A teszt dimenzióssága csak egy funkcióját (egyváltozós teszt) vagy a teszt vagy résztesztek több funkcióját (többváltozós teszt) jelzi (Bortz és Döring 2005). Empirikusan a dimenzionalitás faktoranalízissel határozható meg.

Jegyzetek

↑ Andrej Dmitrijevics Naszledov; Nasledov A D. SPSS 19. Szakmai statisztikai adatelemzés . - "Peter" Kiadó, 2011. - S. 266-. - ISBN 978-5-459-00344-4 . (Orosz)

Lásd még

Irodalom

Bortz és Döring (2005). Forschungsmethoden und Evaluation. Heidelberg: Springer-Verlag. ISBN 3-540-41940-3
Fisseni, H.-J. (1997). Lehrbuch der psychologischen Diagnostik. Göttingen: Hogrefe. ISBN 3-8017-0982-5
Gessmann, Hans-Werner: A pszichológiai tesztek tervezése. ISBN 978-3-928524-70-4
Lienert, G. A. (1989). Testaufbau und Testanalyse (4. Aufl.). München: PVU. ISBN 3-621-27086-8