مقایسه خطای استاندارد اندازه گیری شرطی در روشهای غیر خطی تبدیل نمره های خام به نمره های مقیاس
Publish place: Journal Of Educational Measurement، Vol: 8، Issue: 29
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 608
This Paper With 28 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JEM-8-29_005
Index date: 13 July 2019
مقایسه خطای استاندارد اندازه گیری شرطی در روشهای غیر خطی تبدیل نمره های خام به نمره های مقیاس abstract
برای تفسیر پذیری بهتر و مقایسه پذیر کردن نمره ی آزمون ها با همدیگر، نمره های خام به دست آمده از خرده آزمون ها را به مقیاس مشترکی تبدیل می کنند که به آن نمره مقیاس گفته می شود. روشهای متفاوت خطی و غیر خطی برای تبدیل نمره های خام به نمره های مقیاس وجود دارد. روش های متداول غیر خطی تبدیل نمره های خام به نمره های مقیاس، نرمال سازی و تبدیل آرک سینوس هستند. در این پژوهش که با هدف مقایسه خطای استاندارد اندازه گیری تبدیل نرمال و تبدیل آرک سینوس انجام گرفته از 10000 داده شبیه سازی شده و 10000 داده واقعی آزمون سراسری سال 1395 ایران بهره برده ایم. به منظور مقایسه این دو روش از نمودارها و شاخص های آماری و همچنین ویژگی های اندازه گیری بر اساس نظریه نمره قوی حقیقی از جمله خطای استاندارد اندازه گیری شرطی استفاده شد. نتایج نشان داد که دو روش تبدیل از ویژگی های متفاوتی برخوردار هستند. گرچه نمره ها در هر دو روش دارای ضریب پایایی بالایی هستند، اما روش آرک سینوس ضمن کاهش نوسان خطا برای سطوح مختلف نمره ها، دارای میانگین خطای استاندارد اندازه گیری شرطی کمتری نسبت به روش نرمال سازی بوده است.
مقایسه خطای استاندارد اندازه گیری شرطی در روشهای غیر خطی تبدیل نمره های خام به نمره های مقیاس Keywords:
مقایسه خطای استاندارد اندازه گیری شرطی در روشهای غیر خطی تبدیل نمره های خام به نمره های مقیاس authors
مجتبی جهانی فر
دانشجوی دکتری سنجش آموزش دانشگاه تهران،تهران، ایران
ابراهیم خدایی
دانشیار گروه روشها و برنامه های آموزشی و درسی، دانشگاه تهران، تهران، ایران
جلیل یونسی
دانشیار گروه سنجش و اندازه گیری دانشگاه علامه طباطبائی
امین موسوی
عضو هیئت علمی دانشکده آموزش دانشگاه ساسکاچوان،کانادا
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :