Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Αξιοπιστία της Μέτρησης Γεώργιος Σιδερίδης. 22 Αξιοπιστία και Εγκυρότητα στη Μέτρηση Χαρακτηριστίκών ‘Η εγκυρότητα προϋποθέτει την αξιοπιστία’

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "Αξιοπιστία της Μέτρησης Γεώργιος Σιδερίδης. 22 Αξιοπιστία και Εγκυρότητα στη Μέτρηση Χαρακτηριστίκών ‘Η εγκυρότητα προϋποθέτει την αξιοπιστία’"— Μεταγράφημα παρουσίασης:

1 Αξιοπιστία της Μέτρησης Γεώργιος Σιδερίδης

2 22 Αξιοπιστία και Εγκυρότητα στη Μέτρηση Χαρακτηριστίκών ‘Η εγκυρότητα προϋποθέτει την αξιοπιστία’

3 33 Αξιολόγηση Αξιοπιστίας Σταθερότητα της μέτρησης  Στο χρόνο (Test-Retest Reliability)  Μεταξύ παρατηρητών, βαθμολογητών, παρατηρητών  Σταθερότητα των μερών της δοκιμασίας (Internal Consistency)

4 4 Συνέπειες έλλειψης αξιοπιστίας  Οτιδήποτε παρατηρήσετε/βρείτε σήμερα, κάτι άλλο θα βρείτε αύριο. Πόσο αξιόλογο είναι αυτό;  Ειδικά αν σκεφτούμε ότι ακόμη και να είναι σταθερό στο χρόνο δεν σημαίνει ότι είναι αξιο λόγου (μπορεί σταθερά να μετρά κάτι άλλο).

5 55 Αξιοπιστία στο χρόνο  Προϋποθέσεις: –Δεν έχει επέλθει αλλαγή της συμπεριφοράς στο χρόνο εξαιτίας γνωστών παραγόντων (π.χ., ωρίμανσης) –Το αποτέλεσμα της δεύτερης μέτρησης δεν έχει επηρεαστεί από το γεγονός ότι έχει δοθεί η πρώτη μέτρηση (προηγούμενη γνώση-μνήμη) → Το διάστημα μεταξύ δύο μετρήσεων πρέπει να επιλεχθεί προσεκτικά! - Δεν υπάρχει ο παράγοντας κούραση

6 6 Αξιοπιστία στο χρόνο: Υπολογισμός  Πως; ΠρινΜετά Συμφωνία 5 6Όχι 4 5Οχι 1213 Όχι 7 7 Ναι 5 5 Ναι Αξιοπιστία: Συμφωνίες/Συμφωνίες+Διαφωνίες = 2/2+3, = 2/5 = 40% αξιοπιστία  Πολύ αυστηρό; Μπορεί να χρησιμοποιηθεί εύρος τιμών το οποίο να ορίζει συμφωνία  Πως μεταβάλεται η αξιοπιστία αν ένα εύρος τιμών ίσο με +-1 θεωρηθεί αξιόπιστο;  Είναι ενδιαφέρον ότι η τέλεια αξιοπιστία αν όλοι έχουν το ίδιο σκορ και σταθερά στο χρόνο δεν μπορεί να υπολογιστεί (απουσία διακύμανσης)

7 7 Αξιοπιστία: Άλλες μορφές αξιολόγησης –Intra-class correlation coefficient for continuous variables: ICC = 1.0 → M1 measurements = M2 measurements –Cohen’s Kappa για κατηγορικές μεταβλητές (ratings) με δύο επίπεδα Αποδεκτά επίπεδα, >.5. κ = 1.0 → M1 measurements = M2 measurement - Fleiss’s Kappa =για κατηγορικές μεταβλητές με περισσότερα από δύο επίπεδα.

8 Εσωτερική Συνέπεια Προϋπόθεση: Πραγματική Τιμή = Παρατηρούμενη τιμή +/- σφάλμα Πάντα οι μετρήσεις μας έχουν ένα βαθμό ανασφάλειας. Χρήση του Μοντέλου Δειγματοληπτικών Στοιχείων (Domain Sampling Model) Στοιχεία από Πληθυσμό Δοκιμασία/Τεστ

9 99 Εσωτερική Συνέπεια-Αξιοπιστία  Λογική: –Αξιολογεί τη συσχέτιση μεταξύ των μερών μιας δοκιμασίας (π.χ., άιτεμ). –Μόνο μια χρονική στιγμή απαιτείται. –Προϋπόθεση: Τα στοιχεία μετρούν την ίδια έννοια.  Δείκτες: –Cronbach’s Alpha για συνεχή δεδομένα (Τύπου Likert;) –Kuder-Richardson 21 formula για διχοτομικά δεδομένα –Αποδεκτό >.80.

10 Τεχνικές Εσωτερικής Συνέπειας (Επανάληψη) 1. Αξιολόγηση-Επαναξιολόγηση 2. Παράλληλες/Εναλλακτικές Μορφές 3. Διαίρεση σε δύο μισά-Split-half (μονά ζυγά) TT 12 A 1 2 T AB Score στοιχεία κάθε μισό 4. Εσωτερική Συνέπεια K-R-20 Συντελεστής Alpha

11 Παράλληλες/Εναλλακτικές Μορφές [σφάλμα εξαιτίας του περιεχομένου των τεστ και ίσως και στο χρόνο] Δύο τύποι: 1) Ταυτόχρονη αξιολόγηση (η μια αξιολόγηση ακολουθεί την άλλη) 2) Με καθυστέρηση (χρονικό διάστημα μεταξύ αξιολογήσεων) Προϋποθέσεις: Απαιτείται ο ίδιος αριθμός στοιχείων Απαιτείται το ίδιο ακριβώς απαντητικό σχήμα Το επίπεδο δυσκολίας των στοιχείων πρέπει να είναι ίδιο Οι διακυμάνσεις μεταξύ των στοιχείων πρέπει να είναι ίδιες Αν η δοκιμασία είναι επίδοσης, οι λάθος επιλογές (distractors) πρέπει να έχουν τα ίδια επίπεδα περιεχομένου (π.χ., μοιάζουν ή όχι με τη σωστή απάντηση)

12 Reliability: Lee Cronbach

13 13 Εσωτερική συνέπεια  Πότε είναι χαμηλό το άλφα; –Όταν τα στοιχεία μετρούν και κάτι άλλο....έχουν και άλλες πληροφορίες (π.χ., Rosenberg’s δι-παραγοντικό μοντέλο ή παράδειγμα μαθηματικού προβλήματος και επίδραση της γλώσσας). –Λίγα στοιχεία. –Μικρά δείγματα (μεγάλο σφάλμα)

14 14 Συνέπειες χαμηλού δείκτη άλφα  Παρατηρείτε τη σχέση μεταξύ κατάθλιψης και επίδοσης να είναι ίση με r = Ο δείκτης άλφα της μέτρησης της κατάθλιψης είναι ίσος με.50. Μετρήσατε την κατάθλιψη κατά 50% και το υπόλοιπο 50% ήταν κάτι άλλο. Πόσο πραγματικά είναι η σχέση μεταξύ κατάθλιψης και επίδοσης;

15 Εσωτερική Συνέπεια και σχέση με εγγυρότητα περιεχομένου Measurement of AGQ (Elliot & McGregor, 2001) Προϋπόθεση του άλφα του Cronbach’s (α) τα στοιχεία είναι ανεξάρτητα μεταξύ τους (i.e., δηλαδή η απάντηση στο ένα δεν επηρεάζει το πως θα απαντήσουμε στο επόμενο), (β) δεν πρέπει να υπάρχει εννοιολογική κάλυψη μεταξύ δύο στοιχείων...πρέπει εννοιολογικά να μετρούν διαφορετικά πράγματα/ιδέες.

16 Σφάλμα της Μέτρησης και Αξιοπιστία  (standard error of measurement)  Η παρατηρούμενη τιμή IQ για τον Κώστα είναι100 μονάδες   Για α =.89 και Τ.Α = 15, sem = 5  +- 5 για αυτοπεποίθηση ίση με 68%  για αυτοπεποίθηση ίση με 95%  για αυτοπεποίθηση ίση με 99%.

17 Ατομικές διαφορές στην αξιοπιστία Οπτική Ανάλυση πρινμετά Τιμή στο τεστ πρινμετά Παρέμβ. πλασίμπο Χρόνος Απουσία ατομικών Διαφορών πρινμετά Παρέμβ. πλασίμπο Χρόνος Έντονες Ατομικές Διαφορές πριν Καμία αλλαγή στη σειρά Αλλαγή στη σειρά

18 Παράγοντες που επηρεάζουν την αξιοπιστία  Πρέπει πριν και μετά να είναι ακριβώς το ίδιο εργαλείο;  Πραγματική αλλαγή της συμπεριφοράς  Αλλαγή εξαιτίας της γνώσης των μερών του εργαλείου  Αλλαγή εξαιτίας του μεγάλου μεσοδιαστήματος  Αλλαγή εξαιτίας της μνήμης της προηγούμενης μέτρησης.  Αλλαγή γιατί η πρώτη μέτρηση λειτουργεί ως εξάσκηση  Αλλαγή εξαιτίας πραγματικής εξάσκησης  Κούραση  Αριθμός των στοιχείων (προκατάληψη στο άλφα του Cronbach)  Πολυδιάσταση – Cronbach’s άλφα ακατάλληλο  Δυσκολία στοιχείων, ιδανικό μεσαία δυσκολία, Guttman  Ακραίες τιμές  Αριθμός επιλογών (rating scale). Υπάρχει ιδανικός αριθμός; Υπάρχει μεσαία διαβάθμιση; Υπάρχουν επιλογές που οδηγούν σε απουσία απάντησης;  Διακυμάνσεις, πληροφορία, φαινόμενα δαπέδου-οροφής

19 Παράγοντες που επηρεάζουν την αξιοπιστία  Τυχαία συνδιακύμανση (πιο πιθανό είναι να βρεθεί μια σχέση διαφορετική από το μηδέν παρά ίση ακριβώς με το μηδέν.  Διαφορετικοί πληθυσμοί (ηλικίες, φύλο, ειδικοί πληθυσμοί)  Μικρό εύρος τιμών  Μικρό μέγεθος του δείγματος (όχι σχετικά με την στατιστική ισχύ)  Οδηγίες συμπλήρωσης (σαφείς ή όχι)  Ύπαρξη προαπαιτούμενης γνώσης (π.χ., γλώσσα, πληθυσμός δίγλωσσων)  Στοιχεία με αμφισημία  Στην περίπτωση κριτών, ξεκάθαροι ορισμοί  Διαφορά στον συνολικό χρόνο αξιολόγησης μεταξύ μετρήσεων-διάλειμα  Διαφορές στις συνθήκες (χώρος, φωτεινότητα, θερμότητα)  Ατομικές διαφορές στη διάθεση, υγεία, κίνητρα, τύχη, κούραση, προσοχή  Αντίδραση στην παρουσία συγκεκριμένων (π.χ., ευαίσθητων στοιχείων)

20 Χαρακτηριστικά της Αξιοπιστίας  Πρέπει να αξιολογείται σε όλες τις μετρήσεις και τα χαρακτηριστικά  Δεν είναι ιδιότητα του τεστ αλλά του δείγματος!  Δεν αξιολογείται μία φορά αλλά…κάθε φορά?

21 Πως να βελτιώσετε την αξιοπιστία  Γράψτε ποιοτικά στοιχεία, περιεκτικά (λίγα λόγια και καλά), χρήση ίδιων λέξεων για την περιγραφή του ίδιου φαινομένου (όχι άξιος-ικανός-επιτυχημένος...), ίσως με ένα συγκεκριμένο στέμα: π.χ., “Είναι σημαντικό για μένα να…..”  Καλή αντιπροσώπευση των συμπεριφορών που περιγράφουν το φαινόμενο  Γραμμένα για 5 η τάξη δημοτικού  Καλύτερα περισσότερα στοιχεία παρά λίγα  Συστηματικοποιείστε τις διαδικασίες αξιολόγησης ώστε να είναι ακριβώς ίδιες για όλους τους εξεταστές, χωρίς απορίες, κλπ.


Κατέβασμα ppt "Αξιοπιστία της Μέτρησης Γεώργιος Σιδερίδης. 22 Αξιοπιστία και Εγκυρότητα στη Μέτρηση Χαρακτηριστίκών ‘Η εγκυρότητα προϋποθέτει την αξιοπιστία’"

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google