Application of Rasch Model on Resilience in Higher Education: An Examination of Validity and Reliability of Malaysian Academician Happiness Index (MAHI)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This preliminary study was conducted to examine and verify the validity and reliability of the instrument on the Malaysian Academician Happiness Index (MAHI) on resilience. MAHI could be seen as a tool to measure the level of happiness and stress of academicians before determining how resilient the academicians were. Resilience can be defined as a mental ability of a person to recover quickly from illness or depression. MAHI instrument consisted of 66 items. The instrument was distributed to 40 academicians from three groups of universities which were the Focus University, Comprehensive University and Research University is using a survey technique. The instrument was developed to measure three main constructs which were the organization, individual and social that would affect the happiness and stress levels of academicians. This preliminary study employed the Rasch Measurement Model uses Winsteps software version 3.69.1.11. to examine the validity and reliability of the items. The results of the analysis of the MAHI instrument showed that the item reliability was 0.87, person reliability was 0.83 and value of Alpha Cronbach was 0.84. Meanwhile, misfit analysis showed that only there was one item with 1.46 logit that could be considered for dropping or needed improvement. Therefore, it highlighted that most of the items met the constructs’ need and can be used as a measurement indicator of MAHI. The implication of this instrument can help Malaysian academicians to be more resilient in facing challenges in the future.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle