Okul Düzeyi Değişkenleri – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Okul Düzeyi Değişkenleri ile Analizler
PISA’da hedef kitle 15 yaşındaki öğrencilerdir. Bu popülasyon seçilmiştir çünkü çoğu OECD ülkesinde bu yaştaki öğrenciler zorunlu eğitimlerinin sonuna yaklaşıyorlar ve bu nedenle PISA’nın öğrenci için eğitimin yıllar içindeki kümülatif etkisinin bir göstergesini verebilmesi gerekiyor. PISA’da kullanılan iki aşamalı bir örnekleme prosedürü vardır.
Popülasyon tanımlandıktan sonra, okul örneklemleri büyüklükle orantılı bir olasılıkla seçilir. Daha sonra her okuldan rastgele 35 öğrenci seçilmektedir. Hedef kitle yaşa dayalı olduğundan, öğrencilerin çeşitli sınıflardan gelmesi olasıdır. Tablo 9.1, PISA 2003’te 15 yaşındakilerin ülke ve sınıf bazında dağılımını sunmaktadır.
Bazı ülkelerde, özellikle, 15 yaşındaki nüfusun çoğu modal düzeyde olma eğilimindeyken, diğerlerinde 15 yaşındaki nüfus birkaç sınıfa yayılmıştır.
PISA hedef popülasyonu, farklı nedenlerle birkaç dereceye yayılabilir:
• Öğrenci, belirli bir not sınavını geçemezse, not tekrarı yapmak zorundadır. Örneğin, bazı ülkelerde, en az bir sınıfı tekrar etmiş olan öğrencilerin yaklaşık yüzde 35’i olabilir.
• Sınıf tekrarı kullanılmasa bile, 15 yaşındaki nüfus test sırasında iki sınıfa ayrılabilir. Lojistik nedenlerle, PISA testi tek bir takvim yılında gerçekleştirilir. Önerilen test aralığı Nisan ayı civarında olduğu için (kuzey yarım kürede), PISA hedef popülasyonu, test döneminin başında 15 ila 3 aylık ve 16 yaşında ve 2 aylık olan tüm öğrenciler olarak tanımlanır. Zorunlu eğitime giriş kuralları tam takvim yılı olarak tanımlanırsa, PISA hedef kitlesi sadece bir sınıfa devam edecektir.
Çoğu OECD ülkesinde 15 yaşındaki nüfus farklı sınıflara gittiğinden, okul içi örneklemler yalnızca rastgele bir öğrenci örneğinden oluşabilir. Sonuç olarak, PISA’ya katılan öğrenciler, okul büyüklüğüne bağlı olarak birkaç sınıfa ve belirli bir sınıfa devam etmektedir. Büyük ölçüde PISA örneği sınıf temelli olmadığından, PISA 2000 ve PISA 2003 öğretmen düzeyinde veri toplamamıştır. Ancak, PISA okul düzeyinde veri toplar. Bu bölüm, okul düzeyindeki verilerin nasıl ve neden analiz edilmesi gerektiğini açıklar.
Çoğu ülkede PISA hedef kitlesi birkaç sınıfa gittiğinden, ülkeler arasındaki performans farklılıklarının okul yılı etkisine çevrilebilmesi için iki bitişik sınıf arasındaki ortalama performans artışını hesaplamak ilginç olacaktır.
Bununla birlikte, bu kesinlikle performans artışının olduğundan fazla tahmin edilmesine yol açacaktır: Daha düşük sınıflara giden 15 yaşındakiler ya daha düşük ya da daha genç öğrencilerdir ve daha yüksek sınıflara giden 15 yaşındakiler ya yüksek başarılı ya da daha büyük öğrencilerdir. Bu nedenle, farklı dereceli alt popülasyonların karşılaştırmaları güvenle yapılamaz. Öğrenci performansını bir dizi arka plan özelliği ile kontrol ederek bu alt popülasyonları eşitlemeye çalışılabilir, ancak işler gerçekten asla eşit değildir.
Bağımlı bağımsız kontrol değişken örnekleri
Ara değişken nedir
Değişken örnekleri
Nicel değişken örnekleri
Bağımsız değişken örnekleri
Sürekli değişken örnekleri
Kontrol değişkeni
Süreksiz değişken örnekleri
PISA OKULU ÖRNEKLERİNİN SINIRLARI
Daha önce de belirtildiği gibi, aşağıdaki ifade hem PISA hem de IEA çalışmaları için geçerlidir:
Öğrenci örnekleri bir okul örneğinden alınmış olsa da, okul örneği, okulların optimal bir örneğini vermek yerine, elde edilen öğrenci örneklemini optimize etmek için tasarlanmıştır. Bu nedenle, okul düzeyindeki değişkenleri kendi başlarına birer unsur olarak değil, öğrencilerin nitelikleri olarak analiz etmek her zaman tercih edilir.
Hedef nüfus bir sınıf olarak değil, belirli bir yaştaki tüm öğrenciler olarak tanımlandığından, bu tavsiye PISA’da özellikle önemlidir. Bazı ülkelerde, alt orta ve üst orta öğretim aynı okul tarafından sağlanırken, diğerlerinde durum böyle değildir çünkü – yani orta ve üst orta öğretime farklı okullar sağlanmaktadır.
Bu ülkelerde, genellikle, alt ve üst orta öğretim arasındaki geçiş 15 yaş civarında, yani çoğu durumda zorunlu eğitimin sonunda gerçekleşir. PISA 15 yaşındaki nüfusa odaklandığından, hedef nüfusun bir bölümünün ortaöğretim ikinci kademe eğitimine devam ederken diğer bölümünün ortaöğretime devam ettiği anlamına gelir. Sonuç olarak, bazı ülkelerde 15 yaşındakiler farklı eğitim kurumlarında olabiliyor.
Bölüm 2’de tartışıldığı gibi, okullar okul örneklem çerçevesinden BES örnekleme yöntemiyle, yani okula devam eden 15 yaşındakilerin sayısıyla orantılı olarak seçilir. Bu, örneğin, yalnızca PISA yaşı 15’in üzerinde olan öğrencilerin devam ettiği liselerin okul örneklem çerçevesine dahil edilmemesi gerektiği anlamına gelebilir. Benzer şekilde, 15 yaşında çocuğu olmayan ortaokullar da okul örneklem çerçevesine dahil edilmemelidir.
Bu nedenle, ne ortaokul nüfusu ne de lise nüfusu 15 yaşındaki okul nüfusunu temsil etmez. Başka bir deyişle, PISA okul hedef kitlesi, belirli bir ülkedeki okul nüfus(lar)ıyla mutlaka eşleşmeyebilir.
Olağan okul popülasyonu/nüfusları ile PISA okul popülasyonu arasındaki bu mükemmel eşleşmenin olmaması, okul verilerinin analiz edilme şeklini etkiler. Nüfus tahminlerinde önyargılardan kaçınmak için, okul verileri öğrenci veri dosyalarına aktarılmalı ve öğrencinin nihai ağırlığı ile analiz edilmelidir.
Bu, örneğin, devlet okullarının özel okullara göre yüzdesinin tahmin edilmeyeceği, ancak özel okullara ve devlet okullarına devam eden 15 yaşındakilerin yüzdesinin tahmin edileceği anlamına gelir. Pedagojik ve politik bir bakış açısıyla, gerçekten önemli olan, bu tür özellikleri sergileyen okulların yüzdesi değil, bu özelliklerden etkilenen öğrencilerin yüzdesi, yani bu özelliklere sahip bir okula devam eden öğrencilerin yüzdesidir.
OKUL VE ÖĞRENCİ VERİ DOSYALARININ BİRLEŞTİRİLMESİ
Kutu 9.1, öğrenci veri dosyası ile okul veri dosyasını birleştirmek için SPSS® sözdizimini sağlar. Her iki dosyanın da ilk olarak, öğrenci veri dosyasındaki CNT, SCHOOLID ve STIDSTD ve okul veri dosyasındaki CNT ve SCHOOLID gibi tanımlama değişkenlerine göre sıralanması gerekir. Daha sonra, iki sıralanmış veri dosyası, CNT ve SCHOOLID gibi ortak tanımlama değişkenlerine göre birleştirilebilir.
OKUL DEĞİŞKENLERİNİN ANALİZLERİ
Öğrenci veri dosyası ve okul veri dosyası birleştirildikten sonra, okul değişkenleri artık öğrencilerin nitelikleri olarak kabul edildiğinden, okul verileri herhangi bir öğrenci seviyesi değişkeni gibi analiz edilebilir. Ancak bu durumda, örnekleme hatalarını hesaplamak için çoğaltma ağırlıklarını kullanmak daha da kritiktir. Aksi takdirde tamamen yanıltıcı bir çıkarım yapılabilir.
Ara değişken nedir Bağımlı bağımsız kontrol değişken örnekleri Bağımsız değişken örnekleri Değişken örnekleri Kontrol değişkeni Nicel değişken örnekleri Sürekli değişken örnekleri Süreksiz değişken örnekleri