Likert Tipi Ölçeklerde Klasik Test Kuramı ile Rasch Analizinden Elde Edilen Yetenek Kestirimleri Arasındaki Uyumun Test Edilmesi
Notice bibliographique
Résumé
Bu araştırmada, Likert tipi ölçeklerde klasik test kuramı (KTK) ile Rasch analizinden elde edilen yetenek kestirimleri göreli uyum, mutlak uyum ve dağılım özellikleri açısından karşılaştırılmıştır. Araştırmanın verileri; 200 öğretmenden oluşan bir çalışma grubuna, 10 madde içeren ve tek faktörlü bir yapıya sahip olan “sınıftaki farklılıklar için öğretmen yeterlikleri” ölçeğinin uygulanması ile toplanmıştır. Çalışmada, KTK ile Rasch modelinde hesaplanan yetenek ölçüleri arasındaki korelasyon katsayısı .95 olarak bulunmuş ve iki kuramla kestirilen yetenek ölçüleri arasında yüksek bir göreli uyum olduğu sonucuna varılmıştır. İlişkili örneklem t -testinden elde edilen bulgular, KTK’da hesaplanan yetenek kestirimlerinin Rasch analizinde ulaşılan yetenek kestirimlerine kıyasla anlamlı derece daha yüksek olduğunu ortaya koymuş ve bu sonuç iki kurama göre kestirilen yetenek puanları arasında mutlak bir uyum bulunmadığına yönelik bir kanıt olarak değerlendirilmiştir. Son olarak, Rasch analizinde kestirilen yetenek puanlarının KTK’dan elde edilen yetenek puanlarına kıyasla daha simetrik ve daha sivri bir dağılıma sahip olduğu saptanmıştır.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».