In psicologia, il sistema relazionale numerico ha una relazione diretta con il sistema relazionale teorico ha una relazione indiretta con gli indicatori osservabili non ha una relazione con gli indicatori osservabili ha una relazione indiretta con il sistema relazionale teorico.
L'unità di analisi è ciò su cui viene compiuta la misura una fase dell'analisi fattoriale una tecnica statistica una fase della costruzione di un test.
Una caratteristica è definita variabile se può essere misurata solo con metodi qualitativi si manifesta in almeno due modi diversi si manifesta in una sola modalità non può essere misurata.
La psicometria scientifica corrisponde all'assessment psicologico ha l'obiettivo di quantificare in modo oggettivo una caratteristica psicologica ha l'obiettivo di di quantificare in modo soggettivo una caratteristica psicologica corrisponde alla psicofisica.
Una caratteristica è definita costante se si manifesta in almeno due modalità si manifesta in una sola modalità può essere misurata solo con metodi qualitativi non può essere misurata.
Uno dei primi scienziati a occuparsi del problema della misurazione in psicologia fu Fechner Mitchell Joreskog Freud.
L'assessment psicologico non prevede l'utilizzo di documenti si basa esclusivamente sui test psicologici non prevede l'utilizzo di interviste comprende diversi elementi, tra cui i test psicologici.
Nella psicometria scientifica l'obiettivo è misurare in modo soggettivo le costanti in modo soggettivo le variabili delle caratteristiche osservabili attraverso indicatori latenti delle caratteristiche latenti attraverso indicatori osservabili.
Nella costruzione di un test, il dominio di contenuto di un costrutto viene definito: solo per i test di prestazione tipica solo per i test di prestazione massima in base a molteplici fonti alla fine del processo di costruzione del test.
Nella costruzione di un test, le operazionalizzazioni sono: le tecniche statistiche per calcolare il punteggio gli indicatori osservabili di una variabile psicologica latente le tecniche statistiche per analizzare gli item le operazioni algebriche che si possono fare sui punteggi.
La definizione del costrutto può essere fatta solo sulla base dei risultati di analisi statistiche non può essere fatta utilizzando la letteratura scientifica è un aspetto preliminare durante il processo di costruzione del test viene fatta alla fine del processo di costruzione di un test.
Il processo che lega i concetti scientifici a operazioni che chiunque può osservare o eseguire è: l'analisi fattoriale la validità di facciata l'operazionalizzazione la standardizzazione.
Nella costruzione di un test, l'operazionalizzazione definisce gli indicatori osservabili di una variabile latente definisce le tecniche statistiche applicabili al test definisce le operazioni algebriche per calcolare il punteggio medio al test definisce gli indicatori latenti di una variabile osservabile.
Quando un costrutto è concettualmente ampio è opportuno definire delle facets non è opportuno utilizzare analisi statistiche non è possibile costruire un test che lo misuri è opportuno utilizzare misure con singolo indicatore.
Nella costruzione di un test, il processo di definizione di un costrutto può essere detto attendibilità standardizzazione operazionalizzazione analisi fattoriale.
Un costrutto definito da una serie di facets viene detto dominio costante autovalore peso fattoriale.
Il modello di misura specifica la relazione tra la variabile latente e gli indicatori non può essere verificato empiricamente specifica il tipo di scala Likert utilizzato è unico per tutti i test psicologici.
In un modello di misura riflessivo non esiste errore di misura il costrutto determina gli indicatori osservati non esistono gli indicatori osservabili il costrutto è determinato dagli indicaotiri osservati.
In un modello di misura formativo non esistono gli indicatori osservabili non esiste errore di misura il costrutto è determinato dagli indicatori osservati il costrutto determina gli indicatori osservati.
Nell'equazione della teoria classica dei test X = V + E, la E rappresenta l'esponenziale una costante il punteggio vero l'errore di misura.
Nell'equazione della teoria classica dei test X = V + E, la X rappresenta l'autovalore Il punteggio osservato il punteggio vero la comunalità.
Il processo che assegna a un individuo un numero, che indica il grado in cui l’individuo stesso possiede la caratteristica misurata dal test è detto scaling operazionalizzazione analisi fattoriale attendibilità.
Nell'equazione della teoria classica dei test X = V + E, la V rappresenta la varianza il punteggio vero il punteggio osservato la validità.
Nella teoria classica dei test lo scaling è basato sui soggetti basato sugli stimoli qualitativo privo di errore di misura.
Nel modello di Rasch, la curva caratteristica di un item appresenta la probabilità che un soggetto risponda correttamente a un item in funzione dell'attendibilità dell'item della validità del test del peso fattoriale dell'item dell'abilità del soggetto.
Il modello di Rasch si basa sulla funzione retta logistica parabola ogiva.
Nel modello di Rasch, la risposta all'item è funzione della difficoltà dell'item dell'abilità del soggetto nessuna delle alternative entrambe le alternative.
Uno strumento si definisce self-report se è compilato autonomamente dal soggetto nessuna delle alternative fornisce automaticamente il report dei risultati è compilato dal somministratore che registra le risposte del soggetto.
L'ambiguità è una caratteristica fondamentale degli item tutte le alternative dei test di prestazione tipica dei test proiettivi dei test di prestazione massima.
La centralità rispetto al contenuto è analizzata con tecniche statistiche definita dalla media poco importante nella formulazione degli item una caratteristica fondamentale degli item.
Una caratteristica fondamentale degli item di un test è nessuna delle alternative la brevità la profondità la non offensività.
La chiarezza è una caratteristica fondamentale di un test e riguarda tutte le alternative le istruzioni le modalità di risposta le domande.
La caratteristicha di centralità rispetto al contenuto prevede che gli item indaghino costrutti diversi la scala di risposta abbia un punto di ancoraggio centrale gli item non contengano negazioni gli item risiedano lungo il continuum di ciò che vogliamo misurare.
Il formato di risposta nelle scale di valutazione può essere si/no o mi piace/non mi piace aperto o chiuso bipolare o unipolare a scelta multipla forzata.
Una scala di valutazione in cui sono esplicitate le risposte che indicano entrambi gli estremi e la neutralità è detta bipolare parzialmente ambigua unipolare parzialmente ambigua bipolare ambigua.
Secondo i risultati della ricerca, il numero ottimale di punti per una scala di valutazione è compreso tra 1 e 100 2 e 3 4 e 7 1 e 10.
Le summated rating scales sono i test di intelligenza i test di profitto le scale Likert gli item a scelta multipla forzata.
In una scala di valutazione le etichette che descrivono ogni punto della scala sono chiamate analogie misure ipsative response set quantificatori indeterminati.
La scala di risposta "molto d'accordo", "abbastanza d'accordo", "abbastanza in disaccordo" "molto in disacordo" è una scala a scelta multipla forzata a scelta multipla Likert ipsativa.
I test di prestazione tipica sono quelli che non utilizzano le scale Likert composti da item che prevedono una risposta corretta composti da item che non prevedono una risposta corretta composti da item che misurano il profitto.
I test di prestazione massima sono quelli composti solo da domande a risposta aperta che utilizzano le scale Likert composti da item che non prevedono una risposta corretta che richiedono al soggetto di dare il meglio di sé.
Una scala è detta bipolare parzialmente ambigua quando non esplicita alcun ancoraggio sono esplicitate le etichette che indicano gli estremi e la neutralità sono esplicitate le etichette per tutti i punti della scala sono esplicitate le etichette degli estremi ma non è esplicitata l'etichetta della neutralità.
In una scala di valutazione è opportuno che i quantificatori indeterminati siano al massimo 2 ambigui non simmetrici rispetto al punto centrale simmetrici rispetto al punto centrale.
Il "Range effect" si riscontra nelle scale di accordo di intensità di frequenza tutte le alternative.
Nella generazione degli item per un test di prestazione tipica è consigliabile utilizzare riferimenti temporali generici utilizzare termini di facile comprensione utlizzare termini di difficile comprensione chiedere più cose nello stesso item.
Nella generazione degli item per un test di prestazione tipica è consigliabile evitare le negazioni utilizzare riferimenti temporali generici utlizzare termini di difficile comprensione chiedere più cose nello stesso item.
Nelle scale Likert l'utilizzo di un numero di punti pari è sempre sconsigliato contrasta il frequency effect contrasta l'effetto attrattore del punto centrale facilita i soggetti che rispondono a caso.
Nella generazione degli item per un test di prestazione tipica è consigliabile chiedere più cose nello stesso item utlizzare termini di difficile comprensione utilizzare riferimenti temporali generici evitare di chiedere più cose nello stesso item.
Il fattore distorcente delle risposte "evasività" si ha quando il soggetto risponde a caso o in modo incoerente rispondere in modo da mostrarsi nel modo più socialmente accettabile sceglie sempre le categorie estreme sceglie sempre i punti centrali della scala o l'alternativa "non so".
La scelta da parte del soggetto del punto centrale in una scala di valutazione può indicare reale neutralità del soggetto rispetto al costrutto indagato evasività del soggetto, che non vuole manifestare il suo reale atteggiamento tutte le alternative l'assenza per il soggetto di esperienza o atteggiamento rispetto al costrutto indagato.
L'effetto alone si presenta quando il soggetto scegli sistematicamente le alternative più estreme si fa influenzare dalla valutazione generale su di sé nella valutazione di aspetti specifici scegliere sitematicamente il punteggio centrale nella scala di risposta risponde in modo da mostrarsi nel modo più socialmente accettabile.
Nelle summated rating scales il punteggio è dato dalla differenza tra risposte giuste e sbagliate dalla somma delle risposte sbagliate dalla somma delle risposte corrette dalla somma delle valutazioni per ogni item.
Negli item reverse di tipo polar opposites è impiegato il termine concettualmente contrario a quello nell'item straight si usa la doppia negazione nessuna delle alternative si aggiunge una negazione alla qualità descritta nella versione straight.
In base al proximity effect è bene: posizionare consecutivamente item di analogia evitare che item reverse che misurano lo stesso costrutto siano consecutivi evitare che item si/no siano posizionati consecutivamente posizionare consecutivamente item reverse che misurano lo stesso costrutto.
Bilanciare item formulati positivamente e negativamente può contrastare l'effetto alone l'attrattività del punto centrale della scala nessuna delle alternative l'acquiescienza.
Lo scopo fondamentale degli item reverse è quello di tutte le alternative costringere il soggetto a considerare più attentamente il contenuto degli item diminuire la probabilità che il soggetto risponda in modo automatico contrastare l'effetto dei response sets.
Gli item reverse possono essere tutte le alternative negated polar opposites negated regular polar opposites.
Una delle indicazione più diffuse riguardanti la costruzione di un buon test prevede l'utilizzo di soli item straight nessuna delle alternative di soli item reverse combinato di item straight e reverse.
Gli item reverse sono detti anche straight items positively worded items negatively worded items item wording.
Negli item reverse il contenuto dell'item è orientato nella direzione del costrutto nessuna delle alternative punteggi alti nell'item corrispondono a punteggi bassi nel costrutto punteggi alti negli item corrispondono a punteggi alti nel costrutto.
Negli item straight punteggi alti negli item corrispondono a punteggi alti nel costrutto punteggi alti nell'item corrispondono a punteggi bassi nel costrutto nessuna delle alternative il contenuto dell'item è orientato nella direzione opposta del costrutto.
L'anonimato del test e la consegna in busta chiusa aiuta a contrastare l'effetto dell'acquiescienza della desiderabilità sociale dell'estremismo o extreme response dell'attrattività del punto centrale.
Gli item reverse possono confondere i soggetti perché contengono negazioni entrambe le alternative nessuna delle alternative contrastano il fenomeno dell''acquiescienza.
L'estremismo o "extreme response" è la tendenza a non essere d'accordo con gli item indipendentemente dal contenuto scegliere le categorie estreme di risposta indipendentemente dal contenuto rispondere in modo da mostrarsi nel modo più socialmente accettabile scegliere sitematicamente il punteggio centrale nella scala di risposta.
La disacquiescienza è la tendenza a rispondere in modo da mostrarsi nel modo più socialmente accettabile scegliere sistematicamente il punto centrale della scala di risposta non essere d'accordo con gli item indipendentemente dal contenuto essere sempre d'accordo con gli item indipendentemente dal contenuto.
La tendenza a rispondere in modo da mostrarsi nel modo più socialmente accettabile è detta: acquiescienza produttività desiderabilità sociale disacuiescienza.
La tendenza a essere sempre d'accordo con gli item indipendentemente dal contenuto è detta desiderabilità sociale acquiescienza noncontinget responding disacquiescienza.
Acquiescienza e desiderabilità sociale sono esempi di: contenuti da inserire nel consenso informato linee guida per i test di prestazione tipica linee guida per i test di prestazione massima response sets.
Le diverse tendenze dei soggetti a rispondere agli item indipendentemente dalla quantità di costrutto posseduta e dal contenuto dell'item sono i livelli di abilità dei soggetti l'attendibilità e la validità le capacità cognitive dei soggetti i response sets.
Lo speed bump cognitivo si ottiene con gli item ambigui gli item reverse gli item si/no i test di intelligenza.
Gli item straight sono detti anche item wording reverse items positively worded items negatively worded items.
Le attitudini sono atteggiamenti nessuna delle alternative entrambe le alternative tratti di personalità.
Il processo di rievocazione richiesto nelle domande a risposta aperta può essere rievocazione libera tutte le alternative rievocazione guidata rievocazione seriale.
Con i test di prestazione massima è possibile misurare la motivazione la personalità le attitudini gli atteggiamenti.
Con i test di prestazione massima è possibile misurare gli atteggiamenti la motivazione la personalità l'intelligenza.
Con i test di prestazione tipica è possibile misurare l'intelligenza gli atteggiamenti le attitudini l'abilità.
Con i test di prestazione tipica è possibile misurare l'abilità le attitudini l'intelligenza la personalità.
Nei test di profitto con risposte chiuse la correzione non può essere fatta automaticamente tramite computer la codifica delle risposte è sempre soggettiva il soggetto può rispondere correttamente tirando a indovinare non si possono usare tecniche di analisi statistica tradizionali.
Nei test di profitto con domande aperte il soggetto non può rispondere correttamente tirando a indovinare.. non si possono usare direttamente le tecniche di analisi statistica tradizionali.. la correzione può essere fatta in modo automatico con un computer la correzione è sempre oggettiva.
Nei test di prestazione massima, gli item a esclusione possono usare contenuti numerici visivi verbali tutte le alternative.
L'intelligenza indipendente da condizionamenti culturali, che riflette l’efficienza dell’elaborazione delle informazioni è definita intelligenza attitudinale intelligenza cristallizzata intelligenza fluida nessuna delle alternative.
L'intelligenza che racchiude le capacità definite dalla cultura nella quale l’individuo è immerso e dalla quale è stato formato è definita intelligenza attitudinale intelligenza fluida intelligenza cristallizzata nessuna delle alternative.
Per misurare l'intelligenza fluida si possono utilizzare item di cultura generale tutte le alternative analogie con contenuti visivi e numerici item di abilità verbale.
Per misurare l'intelligenza cristallizzata si possono utilizzare item a scelta multipla forzata item con scale di valutazione item di abilità verbale tutte le alternative.
Nei test di prestazione massima, le analogie richiedono al soggetto di immedesimarsi in una particolare situazione e rispondere indicando il suo atteggiamento possono usare solo contenuti verbali richiedono di estrarre dalla prima parte dell’item una determinata relazione analogica e applicarla al resto. non possono usare contenuti visivi.
Nei test di prestazione massima, le analogie possono usare contenuti tutte le alternative verbali visivi numerici.
Le tipologie di item che si usano nei test di prestazione tipica sono: item a esclusione e a sequenza, analogie item si/no, a scelta multipla forzata, con scale di valutazione analogie, item di informazione generale e non verbali item verbali di ragionamento, non verbali e di comprensione del testo.
Gli item verbali di ragionamento comprendono tipicamente sillogismi tutte le alternative inferenze sintattiche discendenze.
L'indicazione di evitare di chiedere più cose nello stesso item riguarda nessuna delle alternative entrambe le alternative i test di prestazione tipica i test di prestazione massima.
I test che mirano a valutare l'esito di un processo di apprendimento sono i test di intelligenza fluida di personalità di profitto proiettivi.
In un item di prestazione massima, la risposta giusta dovrebbe essere sempre formula negativamente attraente come i distrattori più chiara rispetto ai distrattori più breve rispetto ai distrattori.
In un test di profitto, usare domande chiuse piuttosto che aperte comporta il vantaggio di non favorire chi possiede un'elevata abilità verbale garantire una valutazione oggettiva tutte le alternative poter far svolgere a un computer la correzione e l'attribuzione dei punteggi.
In un item a scelta multipla, il testo che contiene la domanda o il problema è definito item straight item stem distrattore item reverse.
I criteri di chiarezza e centralità rispetto al contenuto riguardano nessuna delle alternative i test di prestazione tipica i test di prestazione massima entrambe le alternative.
In un item di prestazione massima, i distrattori dovrebbero essere più brevi rispetto alla risposta giusta tutti ugualmente attraenti tutti formulati negativamente meno attraenti della risposta corretta.
In un item di prestazione massima, la risposta giusta dovrebbe essere più chiara rispetto ai distrattori di lunghezza simile ai distrattori più attraente dei distrattori più lunga rispetto ai distrattori.
Per evitare che le caratteristiche di personalità del somministratore influiscano sulla somministrazione, la presentazione del test deve essere fatta alla fine evitata standardizzata molto lunga.
Nel fornire al soggetto le informazioni su cosa misura il test durante la presentazione occorre nessuna delle alternative fornire le informazioni minime necessarie fornire tutti i dettagli sulla misura e sul costrutto fornire informazioni fuorvianti.
In una somministrazione di un test, le informazioni contenute nel consenso informato devono favorire l'acquiescienza dei soggetti vanno comunicate alla fine della somministrazione non devono essere standardizzate permettono al soggetto di scegliere se partecipare.
Il modo in cui verranno trattati i dati raccolti con il test è riportato nel consenso informato è il layout del test non deve essere descritto nel consenso informato deve essere ignoto al soggetto e al somministratore.
Il consenso informato è un documento che contiene principalmente informazioni riguardanti chi avrà accesso ai dati in che modo verranno trattati i dati lo scopo della somministrazione tutte le alternative.
Il layout del test non influisce sulla motivazione del soggetto a impegnari nella compilazione del test riguarda la restituzione dei risultati ai soggetti riguarda la presentazione delle caratteristiche di attendibilità e validità del test può influire sulla motivazione del soggetto a impegnarsi nella compilazione del test.
Nei test di prestazione massima, lo scopo della presentazione del test è quello di motivare i soggetti a dare il meglio di se motivare i soggetti a tirare a indovinare motivare i soggetti a fare tante domande al somministratore motivare i soggetti a rispondere in modo socialmente accettabile.
Nei test di prestazione tipica, lo scopo della presentazione del test è quello di motivare i soggetti a fornire le risposte giuste motivare i soggetti a rispondere in modo socialmente accettabile motivare i soggetti a fare tante domande al somministratore motivare i soggetti a rispondere nel modo più sincero possibile.
è preferibile che la presentazione del test sia standardizzata molto lunga a scelta del somministratore assente.
Le istruzioni del test di prestazione massima non devono indicare il limite temporale per la compilazione devono essere ambigue non devono essere sintetiche devono indicare il limite di tempo per la compilazione.
Una delle tipologie di validità che viene valutata nella costruzione di un test è la validità strutturale la validità statistica la validità funzionale la validità di facciata.
La valutazione della validità di contenuto è stabile nel tempo è l'ultima cosa da fare durante la costruzione di un test è generalizzabile a qualsiasi popolazione target è specifica per una particolare funzione del test.
Una delle tipologie di validità che viene valutata nella costruzione di un test è la validità di costrutto la validità statistica la validità funzionale la validità strutturale.
La validità di contenuto di un test coincide con la validità di costrutto non deve essere mai riesaminata riguarda solo gli item deve essere riesaminata periodicamente.
La valutazione della validità di contenuto è stabile nel tempo non è stabile nel tempo è generalizzabile anche per altre popolazioni target è l'ultima cosa da fare durante la costruzione di un test.
La valutazione della validità di contenuto riguarda solo la scala di risposta solo gli item solo le istruzioni tutti gli elementi del test.
Per la valutazione della validità di contenuto è opportuno non considerare il parere degli esperti impiegare un solo giudice impiegare diversi giudici non considerare il parere della popolazione target.
Con la validità di contenuto si valuta il grado in cui gli elementi dello strumento di assessment sono statisticamente significativi rilevanti e rappresentativi per il costrutto attendibili rilevanti e rappresentativi per il soggetto.
La valutazione preliminare degli item di un test prevede la valutazione della validità di facciata la valutazione della validità di contenuto la conduzione dello studio preliminare tutte le alternative.
La validità di un test nessuna delle alternative si declina in diverse tipologie è un concetto unico corrisponde all'attendibilità.
Una delle tipologie di validità che viene valutata nella costruzione di un test è la validità statistica la validità funzionale la validità di contenuto la validità strutturale.
Il campione per lo studio preliminare deve essere definito in base a significatività e grandezza dell'effetto standardizzazione e utilità rappresentatività e grandezza validità e attendibililtà.
La validità che riguarda il grado in cui gli item di un test sembrano misurare il costrutto che si intende misurare è la validità di contenuto la validità predittiva la validità di facciata la validità di costrutto.
La validità di facciata può contribuire alla validità dei punteggi al test perché può aumentare la cooperazione da parte dei soggetti rende il test più divertente diminuisce la lunghezza del test rende il test graficamente più invitante.
Prima di iniziare la raccolta dati dello studio preliminare è necessario calcolare l'attendibilità degli item definire popolazione target e campione calcolare gli indici di tendenza centrale degli item calcolare gli indici di dispersione degli item.
Tra i criteri di campionamento dei soggetti partecipanti allo studio preliminare, di solito NON è incluso un QI inferiore a 75 l'assenza di un titolo di studio una diagnosi psichiatrica il genere.
Nella selezione degli item di prestazione massima in base al livello di difficoltà, di solito sono da evitare gli item con livello di difficoltà maggiore di 1 sono da evitare gli item con livello di difficoltà uguale a .50 nessuna delle alternative sono da evitare gli item con difficoltà maggiore di .80 e inferiore a .20.
La difficoltà degli item di prestazione massima (Perrata) può assumere valori nessuna delle alternative compresi tra -1 e 0 compresi tra -1 e +1 compresi tra 0 e 1.
Il livello di difficoltà degli item di prestazione massima è definito con la proporzione di soggetti che risponde correttamente all'item la correlazione item-totale corretta la proporzione di soggetti che non risponde correttamente all'item il giudizio degli esperti.
La formula per calcolare l'indice di discriminatività D è D = P(Alto)/ P(Basso) D = P(Alto) x P(Basso) D = P(Alto) - P(Basso) D = P(Alto) + P(Basso).
Il livello di difficoltà di un item di prestazione massima si sceglie anche in base al modello fattoriale alla lunghezza del test al numero di alternative di risposta dell'item all'acquiescienza.
In un test di prestazione massima, gli item "troppo facili", con un livello di difficoltà inferiore a .10, possono essere inseriti per tutte le alternative rilevare un livello insolitamente basso del costrutto per sostenere la motivazione dei soggetti che rispondono rilevare uno stile di risposta a caso.
Lo scopo dei distrattori negli item per i test di prestazione massima è facilitare l'individuazione della risposta corretta a chi non la sa e tira a indovinare rendere difficile l'individuazione della risposta corretta a chi non la sa e tira a indovinare nessuna delle alternative rendere difficile l'individuazione della risposta corretta a chi la sa, distraendolo.
In un item di prestazione massima, i distrattori funzionano bene quando sono stati scelti con proporzioni uniformi sono stati scetli in proporzione maggiore della risposta giusta sono stati scelti solo dai soggetti con livello alto del costrutto non sono stati scelti mai.
La correlazione item-totale corretta è un indice che esprime esprime quanto ogni singolo item è in grado di rappresentare, da solo, il costrutto misurato dall'insieme degli item del test permette di valutare quanto ogni item contribuisce al punteggio totale del test tutte le alternative esprime quanto ogni singolo item è rappresentativo dell'intera scala.
L'indice di discriminatività può variare da -1 a +1 da 0 a 1 da -1 a 0 da .20 a .40.
Per essere ottimale, il valore della correlazione item-totale corretta dovrebbe essere negativo maggiore di .30 uguale a 0 inferiore a -.30.
Se due item risultano avere una ridondanza molto elevata, di solito è consigliabile eliminare uno dei due item eliminare entrambi gli item inserire un item che correli con uno solo dei due inserire un terzo item che correli con entrambi.
Sono considerati ridondanti gli item che presentano una correlazione tra loro pari a 0 di almeno .30 di almeno .70 di almeno -.20.
In un test di prestazione massima, la situazione ideale è avere item con livelli di difficoltà identici tra loro item con livelli di difficoltà diversi tra loro solo item con bassi livelli di difficoltà solo item con elevati di livelli di difficoltà.
La correlazione item-totale corretta non è calcolata per gli item di prestazione massima è calcolata solo per costrutti che non hanno facet è calcolata separatamente per ciascun facet del costrutto è calcolata per un facet del costrutto e poi generalizzata agli altri.
Un valore negativo della correlazione item-totale corretta indica che l'item ha funzionato molto bene l'item è valido l'item è attendibile c'è un problema ed è opportuno controllare lo scoring.
Nei test di prestazione massima, per calcolare la correlazione item-totale corretta è necessario calcolare il coefficiente di correlazione punto-biseriale il coefficiente di skewness il coefficiente di discriminatività il coefficiente di correlazione prodotto-momento di Pearson.
Lindice che esprime quanto ogni singolo item è in grado di rappresentare, da solo, il costrutto misurato dall'insieme degli item del test è la discriminatività la comunalità il livello di difficoltà la correlazione item-totale corretta.
L'indice che permette di valutare quanto ogni item contribuisce al punteggio totale del test è il livello di difficoltà la discriminatività la correlazione item-totale corretta la comunalità.
In un item di prestazione massima, l'indice di discriminatività inferiore a .20 indica che la discriminatività è ottima insufficiente nessuna delle alternative buona.
In un test di prestazione massima, l'indice di discriminatività dovrebbe assumere valori positivi, meglio se inferiori a .40 negativi, meglio se inferiori a -.40 negativi, meglio se superiori di -.40 positivi, meglio se maggiori di .40.
In un item di prestazione massima, un indice di discriminatività uguale a 0 indica che il gruppo con punteggio basso al test ha risposto correttamente all'item in proporzione maggiore del gruppo con punteggio alto l'item non discrimina tra il gruppo con punteggio alto al test e il gruppo con punteggio basso al test il gruppo con punteggio alto al test ha risposto correttamente all'item in proporzione maggiore del gruppo con punteggio basso nessuna delle alternative.
In un item di prestazione massima, un indice di discriminatività con valore negativo indica che il gruppo con punteggio alto al test ha risposto correttamente all'item in proporzione maggiore del gruppo con punteggio basso nessuna delle alternative il gruppo con punteggio basso al test ha risposto correttamente all'item in proporzione maggiore del gruppo con punteggio alto l'item non discrimina tra il gruppo con punteggio alto al test e il gruppo con punteggio basso al test.
La misura di quanto ogni item è in grado di distinguere i soggetti con livelli elevati del costrutto da quelli con livello basso del costrutto è l'attendibilità la comunalità la media la discriminatività.
L’assenza di una risposta da parte del soggetto a un determinato item è definita missing ridondanza acquiescienza caso valido.
Di solito ci si attende che i punteggi ai test psicologici, come ad esempio il quoziente intellettivo, si distrubiscano seguendo nessuna delle alternative la curva logaritmica la esponenziale la curva normale.
Un’osservazione in cui il dato è presente e il cui valore è compatibile con quelli possibili per quella variabile è definita caso mancante caso ridondante caso attendibile caso valido.
Un aspetto di cui si occupa la procedura di Data Cleaning è valutare la correttezza formale degli item definire i criteri di esclusione dal campione eseguire l'analisi fattoriale verificare la presenza di valori anomali.
Per valutare se la distribuzione delle risposte a un item si avvicina alla distribuzione normale si utilizza l'esame del grafico delle frequenze tutte le alternative l'indice di simmetria l'indice di Curtosi.
Il data cleaning non prevede la ricodifica dei dati non serve se i dati sono raccolti con test cartacei non serve se i dati sono raccolti con test online deve essere condotto prima di iniziare qualsiasi analisi.
L'indice che indica quanto la distribuzione è più appiattita o più appuntita rispetto all anormale è chiamato Collinearità Correlazione Skewness Curtosi.
L'indice che indica quanto la distribuzione è simmetrica o asimmetrica rispetto a un punto mediano è chiamato Skewness Collinearità Curtosi Correlazione.
In una distribuzione perfettamente normale, l'indice di Curtosi è uguale a -1 uguale a 1 compreso tra -1 e +1 uguale a 0.
In una distribuzione perfettamente normale, l'indice di simmetria o Skewness è uguale a -1 uguale a 1 uguale a 0 compreso tra -1 e +1.
La distribuzione attesa delle risposte a un item è logaritmica normale lineare quadratica.
Per stabilire se lo scostamento dalla distribuzione normale è trascurabile oppure no si utilizza i valori degli indici di Skewness e Curtosi tutte le alternative l'esame del grafico della distribuzione delle frequenze un test statisco di verifica dell'ipotesi nulla.
L'imputazione dei dati mancanti si può utilizzare se il pattern dei mancanti riguarda più del 5% dei dati è Missing Completely at Random (MCAR) è Missing At Random (MAR) è Missing Not at Random (MNAR).
In fase di studio preliminare, i dati mancanti non possono essere rilevati di solito sono inferiori al 5% possono essere solo Completely at Random (MCAR) forniscono indicazioni su come riformulare gli item.
Se in un test sulla despressione si osserva la presenza di dati mancanti con maggior probabilità in soggetti con un elevato livello di depressione, il pattern dei dati mancanti è Missing Completely at Random Missing at Random Missing per definizione della popolazione Missing Not at Random.
Quando la probabilità che un dato sia mancante non dipende dalla caratteristica misurata dal test di cui l’item fa parte una volta controllato l’effetto di un altre variabili, si tratta di Missing per definizione della popolazione Missing Not at Random Missing at Random Missing Completely at Random.
Quando la probabilità che un dato sia mancante è completamente indipendente sia dalla caratteristica misurata dal test di cui l’item fa parte, sia da qualsiasi altra variabile considerata nell’analisi, si tratta di Missing Completely at Random Missing at Random Missing per definizione della popolazione Missing Not at Random.
Quando la probabilità che un dato sia mancante dipende proprio dalla caratteristica misurata nel test, si tratta di Missing per definizione della popolazione Missing at Random Missing Completely at Random Missing Not at Random.
I Missing Not at Random dipendono dalla caratteristica misurata nel test sono detti anche non ignorable missing dipendono da fattori sistematici tutte le alternative.
I Missing Completely at Random (MCAR) sono distribuiti casualmente all'interno del database sono distribuiti solo sugli item reverse sono distribuiti solo su pochi item specifici sono distribuiti nel database in modo non casuale.
Quale dei seguenti è un tipo di pattern dei dati mancanti Missing Completely at Random Missing Not at Random Missing per definizione della popolazione tutte le alternative.
Si ritengono adeguati valori di Skewness e Curtosi di almeno 5 inferiori a -1 maggiori di 1 compresi tra -1 e 1.
Nell'analisi preliminare degli item di prestazione tipica, per verificare che le risposte siano sufficientemente disperse intorno al punteggio centrale si utilizza la media e la mediana il coefficiente di correlazione il punteggio minimo e massimo la deviazione standard e la differenza interquartile.
Nell'analisi preliminare degli item dei test di prestazione tipica si utilizzano le frequenza del punteggio minimo e massimo della scala di risposta gli indici di dispersione gli indici di tendenza centrale tutte le alternative.
Affinché un item funzioni bene, il punteggio massimo e mimino della scala di risposta tipo Likert deve essere scelto solo dai soggetti con livello elevato del costrutto non deve essere stato mai scelto deve essere stato scelto almeno una volta deve essere più frequente dei punteggi centrali.
Per i punteggi su scala Likert, è possibile utilizzare la media, invece della mediana se la distribuzione delle frequenze è simile alla normale tutte le alternative se le alternative di risposta sono almeno 5 se gli ancoraggi sono ben bilanciati.
Negli item con scala Likert, il valore ottimale del punteggio medio dovrebbe corrispondere al punteggio minimo della scala di risposta al punteggio medio della scala di risposta alla deviazione standard al punteggio massimo della scala di risposta.
Negli item con scala di risposta Likert, il range dei valori ottimali del punteggio medio varia in funzione dei punti della scala della difficoltà dell'item della correlazione item-totale corretta della lunghezza del test.
Negli item con scala di risposta Likert, il valore ottimale della deviazione standard del punteggio varia in funzione dei punti della scala della lunghezza del test della difficoltà dell'item della correlazione item-totale corretta.
In un test di prestazione tipica, nel selezionare quale item tenere tra due ridondanti si tende a scegliere nessuna delle alternative formulato meglio tutte le alternative con migliore distribuzione di frequenze.
Nella valutazione preliminare degli item, la valutazione della discriminatività è utilizzata solo per i test di prestazione tipica solo per i test di prestazione massima per i test di prestazione massima e per i test di prestazione tipica solo per i test orientati al criterio.
In un test di prestazione tipica la ridondanza degli item ha ripercussioni sull'asimmetria sulla dimensionalità del test sulla difficoltà del test sulla curtosi.
Nei test di prestazione tipica, per calcolare la correlazione item-totale corretta è necessario calcolare il coefficiente di correlazione punto-biseriale il coefficiente di correlazione prodotto-momento di Pearson il coefficiente di skewness il coefficiente di discriminatività.
Nella valutazione preliminare degli item, la correlazione item-totale corretta è utilizzata solo per i test di prestazione tipica per i test di prestazione massima e per i test di prestazione tipica solo per i test orientati al criterio solo per i test di prestazione massima.
Un valore negativo della correlazione item-totale corretta in un test di prestazione tipica indica che l'item è attendibile potrebbe trattarsi di un item reverse che non è stato ricodificato l'item ha funzionato molto bene l'item è valido.
Valutando la dsicriminatività di un item con scala Likert attraverso l'esame della curva caratteristica dell'item ci aspettiamo che il punteggio 1 sia il punteggio più scelto dai soggetti nel quarto quartile che il punteggio 4 sia il più scelto dai soggetti nel primo quartile che il punteggio 1 sia quello più scelto dai soggetti nel primo quartile che il punteggio 1 non sia scelto da alcun soggetto.
Negli item di prestazione tipica, affinché la discriminatività sia accettabile, la grandezza dell'effetto d dovrebbe essere inferiore a .20 inferiore a .10 superiore a .50 superiore a .20.
La verifica empirica della dimensionalità di un test ha come obiettivo verificare che la dimensione dell'attendibilità del test rispetti criteri prestabiliti verificare che la lunghezza del test sia adeguata ai tempi previsti per la somministrazione nessuna delle alternative verificare che gli item del test facciano riferimento a una singola caratteristica psicologica latente.
Con Analisi Fattoriale si intende un insieme di tecniche statistiche che mirano a individuare il numero massimo di dimensioni latenti che spieghino i pattern di correlazione tra i punteggi negli item il punteggio massimo possibile che si può ottenere nei fattori di un test il numero massimo di fattori che misurano la validità di un test un numero minimo di dimensioni latenti che spieghino i pattern di relazione tra i punteggi agli item.
La presenza di correlazioni molto simili tra tutti gli item di un test suggerisce la presenza di normalità dell'insieme di item parsimonia dell'insieme di item non unidimensionalità dell'insieme di item unidimensionilità dell'insieme di item.
L'unidimensionalità degli item di un test può essere ipotizzata quando nella matrice di correlazione tra gli item le correlazioni tra gli item sono tutte molto diverse tra loro Le correlazioni tra un alcuni item sono più elevate rispetto alle altre le correlazioni tra gli item sono tutte molto simili tra loro le correlazioni tra gli item sono tutte molto deboli.
Individuare quante dimensioni sono necessarie per riassumere adeguatamente le relazioni tra le variabili è lo scopo dell'analisi dell'attendibilità dell'analisi fattoriale dell'analisi della normalità multivariata dell'analisi preliminare degli item.
Lo scopo dell'analisi fattoriale esplorativa è spiegare la varianza non condivisa tra gli item in base a un ristretto numero di dimensioni latenti spiegare la varianza condivisa tra i fattori latenti in base a un numero ristretto di item nessuna delle alternative spiegare la varianza condivisa tra gli item in base a un numero ristretto di dimensioni latenti.
La distinzione della varianza in varianza comune e varianza unica è presente nessuna delle alternative nell'analisi delle componenti principali nell'analisi fattoriale esplorativa entrambe le alternative.
La proporzione di varianza che l'item condivide con gli altri item è detta varianza d'errore varianza comune varianza unica varianza campionaria.
Nell'analisi delle componenti principali la varianza non può essere spiegata viene distinta la varianza comune dalla varianza unica non viene distinta la varianza comune dalla varianza unica la varianza deve assumere valori piccoli.
I principi alla base dell'AFE sono Casualità, Parsimonia, Struttura semplice Complessità, Attendibilità, Validità Causazione, Parsimonia, Struttura semplice Causazione, Partizione, Struttura complessa.
Causazione, Parsimonia, Struttura semplice sono i principi alla base del modello di Rasch della validità di costrutto della Teoria Classica dei Test dell'Analisi fattoriale.
Secondo il principio di causazione nessuna delle alternative gli item sono la causa dei punteggi osservati nei fattori latenti i fattori latenti sono la causa dei punteggi osservati negli item i punteggi agli item sono causati dall'errore di misura.
L'analisi fattoriale è adeguata per modelli a indicatori riflessivi entrambe le alternative per modelli a indicatori formativi nessuna delle alternative.
L'analisi delle componenti principali è adeguata per i modelli a indicatori riflessivi entrambe le alternative per i modelli a indicatori formativi nessuna delle alternative.
Il principio che stabilisce che "tra due soluzioni che spieghino approssimativamente la stessa quota di varianza comune tra gli item, è da preferire quella con il minor numero di fattori" è detto principio di selezione dei fattori principio di fattorializzabilità principio di parsimonia principio di dimensionalità.
In una analisi fattoriale, la soluzione A spiega il 70% della varianza estraendo 3 fattori, la soluzione B spiega il 78% di varianza estraendo 5 fattori. In base al principio di parsimonia: si dovrà eseguire una nuova analisi per estrarre più fattori si dovrà scegliere la soluzione A si dovrà eseguire una nuova analisi per spiegare il 100% della varianza si dovrà scegliere la soluzione B.
Il principio di causazione stabilisce che il pattern delle correlazioni tra le variabili osservate è dovuto all'errore di misura il pattern di correlazioni tra le variabili latenti è dovuto all'effetto causale di variabili osservate il pattern di correlazione fra le variabili osservate è dovuto all’effetto causale di variabili variabili latenti il pattern delle risposte al test è dovuto all'errore casuale.
In un modello di misura a indicatori riflessivi, la comunalità è nessuna delle alternative la quota di variabilità del punteggio all'item spiegata dall'insieme dei fattori la quota di variabilità del fattore spiegata dall'insieme di item la quota di variabilità totale spiegata dai fattori estratti.
La quota di variabilità del punteggio agli item spiegata dall'insieme dei fattori è la comunalità il fit del modello l'autovalore la varianza comune.
Il principio della struttura semplice prevede che la matrice delle saturazioni dovrebbe presentare una sola saturazione sostanziale per ogni colonna e tutte le altre più basse rispetto alla saturazione principale una sola saturazione sostanziale su ogni riga e tutte le altre più basse possibile rispetto alla saturazione principale almeno 3 saturazioni statisticamente significative per ogni riga e tutte le altre più basse rispetto alle saturazioni principali almeno 3 saturazioni sostanziali su ogni riga e tutte le altre più basse rispetto alle saturazioni principali.
In una matrice di saturazione sono rappresentatati in colonna i fattori e in riga le variabili osservate (item) le correlazioni tra tutti gli item del questionario le correlazioni tra i fattori estratti in colonna le variabili osservate e in riga i fattori.
Il numero di fattori con cui un item ha una saturazione sostanziale è detta complessità fattoriale principio di causazione autovalore comunalità.
In una Analisi Fattoriale Esplorativa su indicatori riflessivi, elevando al quadrato la saturazione dell'item sul fattore si ottiene la quota di variabilità del punteggio all'item che è spiegata dal fattore l'autovalore la comunalità il peso che ha l'item nel determinare il punteggio nel fattore.
In una Analisi delle Componenti Principali su indicatori formativi, elevando al quadrato la saturazione dell'item sul fattore si ottiene la comunalità il peso che ha l'item nel determinare il punteggio nel fattore l'autovalore la quota di variabilità del punteggio all'item che è spiegata dal fattore.
Le saturazioni in cui il fattore è in grado di spiegare almeno il 10% della variabilità dell'item sono dette sostanziali esaustive parsimoniose statisticamente significative.
La somma delle saturazioni al quadrato che un item ha con ogni fattore è l'autovalore la comunalità la dimensionalità il fit del modello.
Affinché una soluzione fattoriale sia adeguata, ogni fattore estratto deve essere saturato tutte le alternative da almeno 2 item da almeno 3 item da almeno 1 item.
Nell'Analisi Fattoriale Esplorativa, la quota di variabilità del punteggio all'item non spiegata dai fattori è l'unicità la comunalità l'autovalore la dimensionalità.
In una Analisi Fattoriale Esplorativa, un valore di comunalità = 1 indica che nessuna delle alternative i fattori non spiegano niente della variabilità dell'item i fattori spiegano completamente la variabilità dell'item è necessario estrarre altri fattori.
I valori della comunalità sono sempre maggiori di 1 possono variare tra -1 e +1 possono variare tra 0 e 1 sono sempre inferiori a 1.
Per condurre l'Analisi Fattoriale si può partire da matrici di correlazione pearsoniane tutte le alternative tetracoriche policoriche.
La distanza di Mahalanobis è impiegata per identificare gli outlier multivariati decidere quali sono le saturazioni sostanziali decidere quanti fattori estrarre in una Analisi Fattoriale definire le componenti principali nello spazio geometrico.
Sono definiti outlier multivariati i soggetti che hanno combinazioni di punteggi corrispondenti a quelle medie del campione hanno punteggi vicini al punteggio medio del campione hanno combinazioni di punteggi particolarmente rare rispetto al resto del campione forniscono risposte false al test.
Per sapere se una matrice è fattorializzabile si utlizzano degli indici si calcola la distanza di Mahalanobis si effettua la rotazione dei fattori si calcolano le comunalità.
La scelta del tipo di matrice di correlazione dautilizzare in una Analisi Fattoriale dipende dalla scala di misura delle variabili dalla Curtosi delle variabili dalla Skewness delle variabili tutte le alternative.
Il punto di partenza di una Analisi delle Componenti Principali è la matrice delle saturazioni la distanza di Mahalanobis la matrice di correlazione la rotazione dei fattori.
La matrice di correlazione non può essere utilizzata nell'Analisi delle Componenti Principali è il punto di arrivo dell'Analisi Fattoriale coincide con la matrice delle saturazioni è il punto di partenza dell'Analisi Fattoriale.
Quando il test è formato da item tutti dicotomici si utilizza la matrice di correlazione di Pearson per condurre l'analisi fattoriale nessuna delle alternative si utilizza la matrice tetracorica per condurre l'analisi fattoriale non può essere sottoposto ad analisi fattoriale.
Gli outlier multivariati possono essere identificati attraverso la distanza di Mahalnobis la Skewness la distanza di Pearson il coefficiente di correlazione di Pearson.
Di solito sono considerati outlier i soggetti che Scelgono sempre la stessa alternativa negli item a scelta multipla Rispondono sempre lo stesso punto della scala Likert tutte le alternative Rispondono sempre dalla stessa parte della scala negli item straight e negli item reverse.
Il determinante della matrice di correlazione è utilizzato per valutare la presenza di outlier il numero di fattori da estrarre l'adeguatezza delle saturazioni fattoriali la fattorializzabilità della matrice.
Si definiscono outlier i casi che hanno punteggi estremi e/o pattern di risposte incoerenti hanno punteggi vicini al punteggio medio del campione forniscono risposte false al test nessuna delle alternative.
Il pool di item da sottoporre a analisi fattoriale deve essere stato sviluppato in modo da tutte le alternative includere variabili che presentino un adeguato livello di correlazione reciproca Essere espressione di una solida base teorica Includere variabili che possano essere misurate in modo attendibile, cioè meno influenzabili possibile da fattori distorcenti.
Affinché un modello di analisi fattoriale sia identificato, è necessario che Il numero di parametri da stimare sia inferiore o uguale al numero di informazioni disponibili Il numero di informazioni disponibili sia inferiore al numero di parametri da stimare Il numero di parametri da stimare sia superiore al numero di informazioni disponibili nessuna delle alternative.
Nell'equazione di specificazione dell'Analisi delle Componenti Principali il termine di errore è insieme al fattore specifico è correlato alle saturazioni è il primo membro dell'equazione è assente.
Il primo membro dell'equazione di specificazione dell'Analisi delle Componenti Principali è l'errore di misurazione la saturazione fattoriale il punteggio nella componente il punteggio standardizzato all'item.
Il primo membro dell'equazione di specificazione dell'Analisi Fattoriale Esplorativa è il punteggio standardizzato all'item la saturazione fattoriale il punteggio nella variabile latente l'errore di misurazione.
Nell'Analisi Fattoriale Esplorativa, i fattori comuni spiegano solo la parte di varianza che gli item condividono con gli altri tutte le alternative sintetizzano la variabilità che ciascun item con divide con gli altri sono la causa dei punteggi agli item.
Il test di sfericità di Bartlet fornisce indicazioni circa la correlazione tra i fattori la normalità degli item la presenza di outlier la fattorializzabilità della matrice.
A parità di numero di fattori estratti, le comunalità e le saturazioni fattoriali nell'Analisi Fattoriale Esplorativa sono identiche a quelle dell'Analisi delle Componenti Principali sono inferiori nell'Analisi Fattoriale Esplorativa, rispetto all'Analisi delle Componenti Principali nessuna delle alternative sono superiori nell'Analisi Fattoriale Esplorativa, rispetto all'Analisi delle Componenti Principali.
Attraverso l'Analisi delle Componenti Principali si mira a spiegare la varianza che ogni item condivide con gli altri estrarre il maggior numero di componenti possibile spiegare la varianza unica di ogni item spiegare la varianza totale di ogni item.
Attraverso l'Analisi Fattoriale Esplorativa si mira a spiegare la varianza che ogni item condivide con gli altri spiegare la varianza unica di ogni item estrarre il maggior numero di fattori possibile spiegare la varianza totale di ogni item.
Il metodo di di estrazione dei fattori basato sulla Massima verosimiglianza fornisce indici di fit del modello fattoriale testato può essere utilizzato anche se non è presente la condizione di normalità multivariata entrambe le alternative nessuna delle alternative.
Quale dei seguenti è un metodo di estrazione dei fattori nell'Analisi Fattoriale Esplorativa? Metodo dei minimi quadrati Massima verosimiglianza tutte le alternative Principal Axis Factoring.
Il metodo di estrazione Principal Axis Factoring fornisce degli indici di fit del modello estrae i fattori in modo che spieghino la maggior quota possibile di varianza comune alle variabili orginali non prevede il calcolo preliminare delle comunalità estrae i fattori in modo che spieghino la maggior quota possibile di varianza totale delle variabili orginali.
Con il metodo di estrazione Principal Axis Factoring è necessaria una stima preliminare delle comunalità non è necessaria una stima preliminare delle comunalità viene spiegata la varianza totale, non la varianza comune sono forniti degli indici di fit del modello.
Se dividiamo l'autovalore di un fattore per il numero di variabili nell'analisi otteniamo la varianza d'errore la varianza spiegata dall'item la varianza spiegata dal fattore la comunalità.
La somma delle saturazioni al quadrato che un fattore ha con tutti gli item è detta comunalità autovalore fit del modello varianza d'errore.
La somma delle saturazioni al quadrato per colonna è detta comunalità fit del modello autovalore varianza d'errore.
La retta che spiega la massima quota di varianza fra gli item è la distanza di Mahalanobis la difficoltà degli item l'attendibilità degli item la prima componente principale.
Il numero massimo di componenti che si può estrarre con una Analisi delle Componenti Principali è almeno 3 uguale al numero degli item inclusi nell'analisi maggiore di 3 uguale alla metà degli item inclusi nell'analisi.
La rotazione dei fattori viene eseguita per aumentare la quantità di varianza spiegata decidere il numero di fattori da estrarre rendere la soluzione fattoriale più interpretabile diminuire la quota di varianza spiegata.
Quando i fattori vengono ruotati senza mantenere un angolo tra loro di 90 gradi si tratta di una rotazione obliqua logistica ortogonale parallela.
La rotazione dei fattori che mantiene un angolo di 90 gradi tra i fattori è obliqua parallela ortogonale logistica.
A seguito di una rotazione ortogonali i fattori possono essere correlati tra loro, ma solo negativamente possono essere correlati tra loro, ma solo positivamente possono essere correlati tra loro non possono essere correlati tra loro.
Con una rotazione ortogonale i fattori sono ruotati definendo un angolo di rotazione a piacere sono ruotati mantenendo un angolo tra i fattori di 90 gradi sono ruotati senza mantenere tra i fattori un angolo di 90° sono ruotati mantenendo tra i fattori un angolo di 180 gradi.
Le rotazioni dei fattori possono essere ortogonali e logistiche ortogonali e oblique oblique e logistiche oblique e parallele.
Dopo la rotazione dei fattori il primo fattore spiega la maggior quota di varianza l'ultimo fattore spiega la maggior quota di varianza viene spiegata una quota maggiore di varianza la varianza spiegata è distribuita più uniformemente tra i fattori.
La rotazione dei fattori viene eseguita per nessuna delle alternative ottenere una matrice di saturazioni che spieghi una quota di varianza maggiore ottenere una struttura semplice nella matrice delle saturazioni ottenere una struttura semplice nella matrice di correlazione.
Nella scelta del numero di fattori da estrarre in una Analisi Fattoriale, il criterio da utilizzare con Minimum Average Partial Correlation Statistic (MAP) prevede di estrarre tutti i fattori fino a quello cui corrisponde il minimo valore di MAP i fattori che hanno un autovalore osservato maggiore dell’autovalore simulato medio i fattori con autovalore maggiore di 1 i fattori che spiegano almeno il 30% di varianza.
La rotazione dei fattori redistribuisce tra i fattori la varianza spiegata in modo che il primo estratto spieghi più varianza possibile redistribuisce tra i fattori la varianza spiegata in modo che la soluzione sia più interpretabile redistribuisce tra i fattori la varianza spiegata in modo che tutti gli item saturino su tutti i fattori redistribuisce tra i fattori la varianza spiegata in modo che su ogni fattore saturi un solo item.
La rotazione dei fattori cambia il segno della varianza spiegata aumenta la quantità di varianza spiegata diminuisce la quantità di varianza spiegata non modifica la quantità di varianza spiegata.
Il criterio che suggerisce di estrarre i fattori precedenti a quello in cui la linea spezzata si appiattisce è utilizzato con la Minimum Average Partial Correlation Statistic (MAP) la Parallel Analysis la distanza di Mahalanobis lo scree-test.
Nella scelta del numero di fattori da estrarre in una Analisi Fattoriale, il criterio da utilizzare con la Parallel Analysis prevede di estrarre i fattori con autovalore maggiore di 1 i fattori che spiegano almeno il 30% di varianza i fattori che hanno un autovalore osservato maggiore dell’autovalore simulato medio il primo fattore sul segmento verticale.
Nella scelta del numero di fattori da estrarre in una Analisi Fattoriale, il criterio suggerito da Cattel per utilizzare lo scree-test suggerisce di estrarre i fattori con autovalore maggiore di 1 i fattori sulla parte più appiattita della linea i fattori precedenti a quello in cui la linea spezzata si appiattisce il primo fattore sul segmento verticale.
Il grafico in cui sono rappresentati sull’asse orizzontale le componenti estratte in successione e sull’asse verticale i valori degli autovalori è lo scree-test la curva caratteristica di un item la funzione logistica il centroide.
Quali dei seguenti sono criteri per stabilire il numero dei fattori da estrarre Test di sfericità di Bartlet, Scree-test, Distanza di Mahalanobis Minimum Average Partial Correlation Statistic (MAP), correlazioni tetracoriche, Scree-test Scree-test; Minimum Average Partial Correlation Statistic (MAP); Parallel Analysis Distanza di Mahalanobis, Scree-test, Minimum Average Partial Correlation Statistic (MAP).
Il criterio di Kaiser-Guttman è anche detto criterio del determinante della matrice di correlazione criterio dello scree-test criterio della massima verosimiglianza criterio degli autovalori maggiori di 1.
Quali dei seguenti sono criteri per stabilire il numero dei fattori da estrarre Kaiser-Guttman; Scree test, Parallel Analysis Minimum Average Partial Correlation Statistic (MAP), correlazioni tetracoriche, Scree-test Test di sfericità di Bartlet, Scree-test, Distanza di Mahalanobis Distanza di Mahalanobis, Scree-test, Minimum Average Partial Correlation Statistic (MAP).
Con una rotazione obliqua i fattori nessuna delle alternative sono ruotati mantenendo un angolo tra i fattori di 90 gradi sono ruotati senza mantenere tra i fattori un angolo di 90° sono ruotati mantenendo l'assenza di correlazione tra i fattori.
A seguito di una rotazione obliqua i fattori possono essere correlati tra loro, ma solo negativamente possono essere correlati tra loro, ma solo positivamente possono essere correlati tra loro non possono essere correlati tra loro.
A seguito della rotazione obliqua dei fattori vengono prodotte la matrice pattern e la matrice structure la matrice di pattern e la matrice d'errore la matrice pattern e la matrice parallela la matrice structure e la matrice parallela.
L'analisi che ha lo scopo di testare uno specifico modello di misurazione in cui viene stabilito a priori il numero di fattori e su quale fattore satura ciascun item è
l'analisi fattoriale confermativa l'analisi della varianza l'analisi fattoriale esplorativa l'analisi delle componenti principali.
Nell'Analisi Fattoriale Confermativa gli indici di fit permettono di stabilire se il modello testato è adeguato ai dati il tipo di rotazione da eseguire permettono di stabilire il metodo di estrazione dei fattori il numero di fattori da estrarre.
L'analisi che permette di definire a priori su quale fattore satura ciascun item è l'analisi della varianza l'analisi fattoriale confermativa l'analisi delle componenti principali l'analisi fattoriale esplorativa.
L'analisi delle componenti principali e l'analisi fattoriale esplorativa si differenziano per il modello di misura di riferimento tutte le alternative per lo scopo per la varianza spiegata.
Secondo le assunzioni fondamentali sull'errore nella Teoria Classica dei Test, l'errore di misurazione è distribuito normalmente tutte le alternative è casuale ha valore atteso (media) uguale a 0.
Se non vengono rispettate le assunzioni fondamentali sull'errore nella Teoria Classica dei Test l'errore di misura è assente l'errore di misura non può essere stimato l'errore di misura è un bias l'errore di misura è casuale.
Secondo le assunzioni fondamentali sull'errore nella Teoria Classica dei Test l'errore di misurazione ha valore atteso uguale al punteggio osservato punteggio vero e errore di misurazione sono correlati tra loro il punteggio vero ha valore atteso uguale all'errore punteggio vero e errore di misurazione sono indipendenti tra loro.
L'errore che si presenta in modo imprevedibile è l'errore sistematico o bias l'errore campionario l'errore casuale nessuna delle alternative.
L'errore casuale tutte le alternative tende a distribuirsi secondo una distribuzione di probabilità normale si presenta in modo imprevedibile varia da prova a prova e da soggetto a soggetto.
L'errore sistematico o bias è l'errore che si presenta in modo impredicibile l'errore che si verifica in modo costante per tutte le somministrazioni è l'errore che tende a distribuirsi secondo una distribuzione di probabilità normale nessuna delle alternative.
L'errore che si verifica in modo costante per tutte le somministrazioni è l'errore campionario l'errore casuale l'errore sistematico o bias nessuna delle alternative.
Competenza, integrità, responsabilità sociale sono le caratteristiche fondamentali dei test i principi generali per validare un test i principi generali ai quali deve attenersi il soggetto che risponde al test i principi generali ai quale deve attenersi il somministratore.
Il Codice Etico della Ricerca e dell’Insegnamento della Psicologia stabilisce che il somministratore, come psicologo, deve rispettare i principi di competenza, integrità, responsabilità sociale uguaglianza, attendibilità, validità validità, attendibilità, riproducibilità competenza, integrazione, intelligenza.
L'attendibilità ci dice con quanta accuratezza il test misura una variabile psicologica nessuna delle alternative quanti fattori latenti sono misurati da un test se un test misura ciò che vorremmo misurasse.
L'attendibilità è un indice della parsimonia della misura che l'insieme di item ci permette di ottenere della difficoltà della misura che l'insieme di item ci permette di ottenere della dimensionalità della misura che l'insieme di item ci permette di ottenere della precisione della misura che l'insieme di item ci permette di ottenere.
La proprietà psicometrica relativa all’accuratezza con cui un test misura una certa variabile psicologica è la comunalità la media ponderata l'attendibilità la validità.
Per la stima dell'attendibilità test-retest si somministra lo stesso test agli stessi soggetti a distanza di tempo si somministrano due forme diverse del test a distanza di tempo si somministra lo stesso test a soggetti diversi si somministrano due forme parallele del test agli stessi soggetti.
La stima dell'attendibilità test-retest può essere utilizzata solo per caratteristiche psicologiche stabili nel tempo può essere utilizzata per i test di prestazione massima può essere utilizzata solo per caratteristiche psicologiche variabili nel tempo è utile per le caratteristiche psicologiche che variano rapidamente.
Il coefficiente di attendibilità può essere definito come quota di varianza condivisa tra punteggio osservato e errore di misurazione quota condivisa tra punteggio vero e errore di misurazione quota di varianza condivisa tra punteggio vero e osservato quota di varianza non condivisa tra punteggio vero e punteggio osservato.
Tra i possibili tipi di versioni alternative di due versioni dello stesso test, le forme parallele sono le uniche che hanno la stessa varianza d'errore hanno punteggi veri diversi
hanno lo stesso punteggio vero hanno punteggi veri e varianze di errore diverse.
Se due versioni dello stesso test hanno varianze di errore diverse e punteggi veri che differiscono per una costante additiva tau equivalenti congeneriche parallele essenzialmente tau equivalenti.
Due versioni dello stesso test si definiscono parallele se hanno punteggi veri e varianze di errore diverse hanno lo stesso punteggio vero e la stessa varianza di errore nessuna delle alternative hanno lo stesso punteggio vero ma diversa varianza di errore.
I metodi per la stima dell'attendibilità mediante due somministrazione sono forme parallele e alpha di cronbach split-half e test-retest forme parallele e test-retest alpha di cronbach e KR-20.
I metodi per la stima dell'attendibilità prevedono nessuna delle alternative due somministrazioni del test entrambe le alternative una sola somministrazione del test.
L'attendibilità può essere stimata in base a la coerenza interna dei punteggi agli item la costanza dei punteggi nel tempo in assenza di varianzioni nel costrutto entrambe le alternative nessuna delle alternative.
Il coefficiente di attendibilità assume valori che variano tra 0 e 1 tra 0 e 100 tra -1.96 e 1.96 tra -1 e 1.
Quando un test è perfettamente attendibile tutte le alternative tutta la varianza del punteggio osservato è spiegabile in base al punteggio vero non vi è errore di misurazione il coefficiente di attendibiltà è uguale a 1.
Il coefficiente di attendibilità può essere definito come il rapporto tra varianza del punteggio vero e varianza del punteggio osservato tra varianza dell'errore di misurazione e varianza del punteggio vero tra varianza del punteggio osservato e varianza dell'errore di misurazione tra varianza del punteggio osservato e varianza del punteggio vero.
I metodi per la stima dell'attendibilità mediante una somministrazione sono alpha di cronbach e KR-20 split-half e test-retest forme parallele e alpha di cronbach forme parallele e test-retest.
Per la stima dell'attendibilità split-half si somministrano due forme alternative del test agli stessi soggetti viene calcolata la correlazione tra le due metà di un unico test si somministrano due forme parallele del test a distanza di tempo si somministra lo stesso test agli stessi soggetti a distanza di tempo.
Il grado in cui gli item di un test sono coerenti nel misurare il costrutto in oggetto è la comunalità la dimensionalità la validità la coerenza interna.
Un valore di alpha di Cronbach inferiore .60 indica che la coerenza interna del test è ottima sufficiente inadeguata discreta.
Un valore di alpha di Cronbach maggiore di .90 indica che la coerenza interna del test è ottima inadeguata discreta sufficiente.
Per misurare quanto le risposte agli item di uno stesso test sono fra loro stabili e coerenti si utilizza l'alpha di Cronbach l'errore standard di misurazione la comunalità la varianza campionaria.
L'alpha di Cronbach è un indice della dimensionalità di un test della coerenza interna di un test della difficoltà di un test della validità di un test.
L'indice KR-20 è un indice per stimare l'attendibilità nei test di prestazione massima attraverso il metodo del test-retest per stimare l'attendibilità nei test di prestazione tipica che rappresenta la media di tutte le possibili attendibilità split-half è per stimare l'attendibilità nei test di prestazione massima attraverso il metodo delle forme parallele per stimare l'attendibilità nei test di prestazione massima che rappresenta la media di tutte le possibili attendibilità split-half è.
La profezia di Spearman Brown è una formula che permette di stimare quale sarebbe l'attendibilità di un test se somministrato a soggetti diversi stimare quale sarebbe l’attendibilità del test se venisse aggiunto o tolto un certo numero di item paralleli stimare quale sarebbe l'attendibilità di un test se venisse somministrato dopo un intervallo di tempo stimare l'attendibilità di un test attraverso le forme parallele.
La capacità di un test di predire una prestazione/classificazione del soggetto ottenuta simultaneamente al test è validità concorrente validità di contenuto validità postdittiva validità predittiva.
La capacità di un test di predire una prestazione/classificazione del soggetto ottenuta dopo che è trascorso del tempo, rispetto alla somministrazione del test è validità postdittiva validità predittiva validità concorrente validità di contenuto.
Concorrente, predittiva e postdittiva sono tipologie di validità di facciata validità di contenuto validità di criterio validità nomologica.
Le tre tipologie di validità di criterio sono concorrente, predittiva, postdittiva test-retest, split-half, forme parallele concorrente, di contenuto, di facciata alpha di cronbach, KR-20, DR-21.
Una adeguata coerenza interna del test è una condizione necessaria ma non sufficiente per l'unidimensionalità del test è una condizione necessariae sufficiente per l'unidimensionalità del test nessuna delle alternative non è una condizione necessaria affinché il test sia unidimensionale.
La validità che è definita come contenitore che racchiude tutte le fonti di evidenza empirica che supportano le interpretazioni specifiche di un punteggio, è la validità concorrente di contenuto di criterio di costrutto.
La validità divergente/discriminante si dimostra verificando la presenza di correlazioni trascurabili con misure di costrutti concettualmente diversi da quello in esame coerenza delle operazionalizzazioni del costrutto associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto accordo tra giudici diversi rispetto a che cosa misura il test.
La presenza di associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto è indicatrice di validità divergente validità di facciata validità convergente validità di contenuto.
La validità convergente si dimostra verificando la presenza di coerenza delle operazionalizzazioni del costrutto accordo tra giudici diversi rispetto a che cosa misura il test associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto correlazioni trascurabili con misure di costrutti concettualmente diversi da quello in esame.
Campbell e Fiske nel 1959 sostengono che per valutare la validità di un test occorre prendere in considerazione solo la validità di criterio prendere in considerazione la varianza dovuta al metodo prendere in considerazione solo la validità di contenuto non prendere in considerazione la varianza dovuta al metodo.
Validità convergente e validità discriminante sono utilizzate per valutare la validità di contenuto la validità di costrutto la validità nomologica la validità di facciata.
Campbell e Fiske nel 1959 propongono l'analisi fattoriale confermativa l'analisi delle componenti principali l'analisi della matrice multi-tratto multi-metodo l'analisi fattoriale esplorativa.
Messick nel 1995 ha individuato 6 diversi aspetti per la validità concorrente di costrutto di contenuto di criterio.
La matrice multi-tratto multi-metodo viene utilizzata per valutare la validità statistica la validità di facciata la validità di contenuto la validità di costrutto.
La valutazione della validità di costrutto di un test si basa sulla l'analisi fattoriale esplorativa la coerenza interna matrice multi-tratto multi-metodo la coerenza delle operazionalizzazioni del costrutto.
Gli elementi all'interno della matrice multi-tratto multi-metodo sono utilizzati per valutare la validità statistica e di contenuto la validità di criterio e di contenuto la validità di contenuto e di facciata la validità convergente e la validità discriminante.
Per costruire una matrice multi-tratto multi-metodo occorre Una misura di un costrutto diverso da quello in esame ottenuta con un metodo diverso da quello usato nel test Una misura di un costrutto diverso da quello in esame ottenuta con lo stesso metodo usato nel test Una misura dello stesso costrutto del test in esame ma ottenuta con un diverso metodo tutte le alternative.
Nella diagonale principale della matrice multi-tratto multi-metodo è contenuta l'attendibilità delle misure la validità divergente delle misure la validità convergente delle misure la validità di contenuto delle misure.
Quali elementi della matrice multi-tratto multi-metodo sono utilizzati per valutare la validità di costrutto? i coefficienti mono-tratto etero-metodo nessuna delle alternative i coefficienti etero-tratto mono metodo entrambe le alternative.
Il punteggio calcolato sommando i punteggi agli item è il punteggio grezzo il punteggio fattoriale il punteggio vero il punteggio osseservato privo dell'errore di misurazione.
Il punteggio vero di un soggetto al test non può essere stimato a causa dell'errore casuale nessuna delle alternative può essere stimato in base al punteggio osservato e all'attendibilità del test coincide con il punteggio grezzo.
Attraverso il punteggio osservato di un soggetto l'indice di attendibilità è possibile stimare le caratteristiche fondamentali degli item stimare la validità del test stimare il punteggio vero del soggetto al test stimare il punteggio fattoriale al test.
Il punteggio vero di un soggetto a un test può essere stimato in base a punteggio fattoriale e errore di misurazione punteggio osservato e attendibilità del test punteggio osservato e punteggio fattoriale attendibilità e validità del test.
L'indice che permette di fare valutazioni circa la precisione del punteggio al test dei soggetti è l'errore standard di misurazione (SEM) l'indice di correlazione r l'indice di validità la distanza di Mahalanobis.
Nella formula per calcolare il punteggio vero di un soggetto al test V = Mx + rtt (X-Mx), X rappresenta il punteggio grezzo ottenuto dal soggetto l'errore di misurazione la variabile dipendente il punteggio fattoriale ottenuto dal soggetto.
In base alla Teoria Classica dei Test, se un test fosse somministrato infinite volte a un soggetto i punteggi si distribuirebbero seguendo la distribuzione normale nessuna delle alternative gli errori di misura sommerebbero a 0, se sono casuali entrambe le alternative.
In base alla Teoria Classica dei Test, quando il test è somministrato una sola volta, il punteggio osservato X coincide con l'errore di misurazione coincide con il punteggio vero non può essere calcolato è solo uno dei possibili punteggi che un soggetto potrebbe ottenere al test.
La deviazione standard degli errori di misurazione che è associata ai punteggi a un test per uno specifico gruppo di esaminandi è il punteggio fattoriale l'attendibilità l'errore standard di misurazione (SEM) la varianza spiegata.
Se un test ha attendibilità uguale a 1, l'errore standard di misurazione non è stimabile è uguale a -1 è uguale a 1 è uguale a 0.
L'errore standard di misurazione è uguale a 0 quando l'attendibilità del test è uguale a 0 l'attendibilità del test non è stata calcolata l'attendibilità del test è uguale a -1 l'attendibilità del test è uguale 1.
Nella formula per calcolare l'errore standard di misurazione, oltre all'attendibilità è presente il punteggio fattoriale ottenuto dal soggetto la deviazione standard dei punteggi osservati il punteggio vero ottenuto soggetto il punteggio medio al test.
Nella formula per calcolare l'errore standard di misurazione, oltre alla deviazione standard dei punteggi osservati è presente il punteggio medio al test il punteggio fattoriale ottenuto dal soggetto il punteggio vero ottenuto soggetto l'attendibilità.
Nella formula per calcolare il punteggio vero di un soggetto al test V = Mx + rtt (X-Mx), rtt rappresenta l'attendibilità dell'item l'attendibilità del test la validità dell'item la correlazione dell'item.
L'errore standard di misurazione (SEM) varia in base ai livelli del costrutto si stima in assenza di dati sull'attendibilità del test viene assunto uguale per tutti i soggetti è indipendente dai dati raccolti e dal campione.
L'errore standard di misurazione (SEM) è indipendente dai dati raccolti e dal campione varia in base al livello del costrutto si stima in assenza di dati sull'attendibilità del test dipende dai dati raccolti e dal campione.
L'errore standard di misurazione (SEM) è indipendente dai dati raccolti e dal campione si stima in assenza di dati sull'attendibilità del test viene assunto uguale per ogni livello del costrutto varia in base ai livelli del costrutto.
Per confrontare punteggi dello stesso soggetto allo stesso test in due momenti diversi si utilizza l'indice di validità l'indice di simmetria l'indice di correlazione r il Reliable Change Index.
Il Reliable Change Index permette di calcolare l'alpha di Cronbach verificare il fit del modello di misura confrontare punteggi dello stesso soggetto allo stesso test in due momenti diversi calcolare l'attendibilità test-retest.
Per confrontare i punteggi ottenuti da due soggetti diversi allo stesso test si utilizza gli intervalli di fiducia entrambe le alternative nessuna delle alternative la verifica delle ipotesi.
Per confrontare punteggi dello stesso soggetto a due diversi test si utilizza l'errore standard di misurazione (SEM) l'indice di simmetria l'indice di correlazione r l'indice di validità.
Per confrontare i punteggi ottenuti da due soggetti diversi allo stesso test si utilizza l'errore standard di misurazione (SEM) l'indice di correlazione r l'indice di simmetria l'indice di validità.
L'errore standard di misurazione (SEM) viene utilizzato per confrontare le saturazioni fattoriali degli item sui diversi fattori confrontare la validità di due test diversi dello stesso costrutto confrontare punteggi dello stesso soggetto allo stesso test in due momenti diversi confrontare le soluzioni fattoriali ottenute estraendo un diverso numero di fattori.
L'errore standard di misurazione (SEM) viene utilizzato per confrontare le saturazioni fattoriali degli item sui diversi fattori confrontare la validità di due test diversi dello stesso costrutto confrontare punteggi dello stesso soggetto a due diversi test confrontare le soluzioni fattoriali ottenute estraendo un diverso numero di fattori.
L'errore standard di misurazione (SEM) viene utilizzato per confrontare le saturazioni fattoriali degli item sui diversi fattori confrontare la validità di due test diversi dello stesso costrutto confrontare le soluzioni fattoriali ottenute estraendo un diverso numero di fattori confrontare punteggi ottenuti da due soggetti diversi allo stesso test.
Nella formula per calcolare l'intervallo di fiducia del punteggio osservato, oltre al punteggio vero del soggetto è presente l'errore standard di misurazione (SEM) l'indice di validità l'indice di correlazione dell'item il punteggio fattoriale del soggetto.
Nella formula per calcolare l'intervallo di fiducia del punteggio osservato, oltre all'errore standandard di misurazione è presente l'indice di correlazione dell'item l'indice di validità il punteggio fattoriale del soggetto il punteggio vero del soggetto.
L'errore standard di misurazione (SEM) è utilizzato per calcolare la validità del test calcolare l'alpha di Cronbach calcolare i punteggi fattoriali calcolare gli intervalli di fiducia del punteggio vero.
Per calcolare gli intervalli di fiducia del punteggio vero si utilizza l'errore standard di misurazione (SEM) il punteggio fattoriale ottenuto dal soggetto l'indice di validità la comunalità.
L'errore standard di misurazione (SEM) viene utilizzato per confrontare punteggi ottenuti da due soggetti diversi allo stesso test confrontare punteggi dello stesso soggetto allo stesso test in due momenti diversi confrontare punteggi dello stesso soggetto a due diversi test tutte le alternative.
Per calcolare il numero di soggetti adeguati per un campione normativo si utilizza la varianza della popolazione tutte le alternative il livello di fiducia il margine di errore.
Nel calcolo del numero di soggetti da includere nel campione normativo, il margine di errore è l'attendibilità del test nessuna delle alternative la probabilità dell'intervallo di fiducia la precisione della stima che possiamo raggiungere con il campione a disposizione.
Le formule per il calcolo del numero di soggetti da includere nel campione normativo non possono essere applicate nei test di prestazione massima non possono essere applicate nei test di prestazione tipica sono uguali per test di prestazione massima e test di prestazione tipica si differenziano tra test di prestazione massima e test di prestazione tipica.
I punteggi di riferimento nella popolazione, cioè ovalori che corrispondono a statistiche descrittive dei punteggi al test calcolate sul campione di standardizzazione sono i punteggi normativi i punteggi grezzi i punteggi veri i punteggi fattoriali.
Il punteggio normativo indica se il test è conforme alle norme vigenti quanto il punteggio del soggetto rispetta la normativa vigente
quanto è lontana la prestazione di un soggetto da quella più frequente nella popolazione di riferimento se il punteggio del soggetto è normale.
Il punteggio grezzo ottenuto da un soggetto a un test può essere interpretato se messo in relazione con le decisioni del somministratore entrambe le alternative entrambe le alternative può essere interpretato se messo in relazione a un punteggio normativo.
Il gruppo di soggetti le cui risposte sono prese come criterio per valutare le riposte di qualunque soggetto al quale viene somministrato il test è il campione normale il campione pilota il campione normativo tutte le alternative.
Il campione normativo è il gruppo di soggetti le cui risposte sono utilizzate come criterio per valutare le riposte di qualunque soggetto al quale viene somministrato il test per verificare il rispetto delle caratteristiche fondamentali degli item per verificare le caratteristiche psicometriche degli item come criterio per valutare se le risposte dei soggetti si distribuiscono normalmente.
Per selezionare il campione normativo spesso si utilizza nessuna delle alternative il campionamento per quote entrambe le alternative il campionamento di convenienza.
Le formule per il calcolo del numero di soggetti da includere nel campione normativo possono essere applicate solo nel caso in cui l'ampiezza della popolazione sia nota possono essere applicate solo nel caso in cui l'ampiezza della popolazione non sia nota si applicano indistintamente a situazioni in cui l'ampiezza della popolazione sia nota o no si differenziano in base al fatto che l'ampiezza della popolazione sia nota oppure no.
La standardizzazione dei punteggi può essere eseguita entrambe le alternative nessuna delle alternative mediante punteggi standard mediante ranghi percentili.
La standardizzazione dei punteggi viene eseguita mediante ranghi percentili quando i punteggi variano poco i punteggi non si distribuiscono normalmente i punteggi sono vicini alla media i punteggi si distribuiscono normalmente.
La standardizzazione dei punteggi viene eseguita mediante punteggi standard quando i punteggi variano poco i punteggi non si distribuiscono normalmente i punteggi sono vicini alla media i punteggi si distribuiscono normalmente.
La standardizzazione dei punteggi mediante punteggi standard avviene trasformando i punteggi grezzi in punteggi medi trasformando i punteggi grezzi in punteggi z trasformando i punteggi grezzi in punteggi fattoriali trasformando i punteggi grezzi in punteggi veri.
La trasformazione in punti T riporta i punteggi a una distribuzione che ha media 0 e deviazione standard 10 ha media 0 e deviazione standard 1 ha media 500 e deviazione standard 100 ha media 50 e deviazione standard 10.
Le tavole di conversione nel manuale del test permettono di convertire il punteggio grezzo in punteggio normale il punteggio grezzo in punteggio standard il punteggio grezzo in punteggio osservato il punteggio grezzo in punteggio vero.
In una standardizzazione dei punteggi attraverso ranghi percentili, i percentili rappresentano la posizione relativa del punteggio di un soggetto rispetto al campione normativo in un’ideale scala da 1 a 100 non danno alcuna informazione sull’entità della differenza tra due punteggi nessuna delle alternative entrambe le alternative.
I punteggi stadardizzati mediante ranghi percentili entrambe le alternative nessuna delle alternative non permettono di conoscere l’effettiva distanza in termini di quantità di costrutto posseduto fra due percentili consecutivi possono essere utilizzati per analisi dei dati di tipo metrico.
Per interpretare i punteggi ottenuti a un test si dovrebbe usare le stesse norme indipendente dalle caratteristiche socio-demografiche del soggetto nessuna delle alternative usare norme provenienti da campioni di nazionalità diversa evitare di usare le stesse norme indipendente dalle caratteristiche socio-demografiche del soggetto.
Per interpretare i punteggi ottenuti a un test si dovrebbe usare norme provenienti da campioni di nazionalità diversa utilizzare le norme differenziate in base a caratteristiche socio-demografiche usare le stesse norme indipendente dalle caratteristiche socio-demografiche del soggetto nessuna delle alternative.
Nella sezione del manuale del test relativa alle norme ci dovrebbe essere la descrizione dei profili prototipici dei punteggi nelle sottoscale nel caso il test produca più di un punteggio la procedura di scoring e standardizzazione dei punteggi informazioni sull'ampiezza, la tipologia e la rappresentatività del campione normativo tutte le alternative.
Il manuale del test dovrebbe contenere la definizione del costrutto e le procedure di sviluppo degli item entrambe le alternative nessuna delle alternative la descrizione degli studi di validazione e le norme del test.
|
