Numunelerin kalitesinin bazı farklılıkları açıklaması da mümkündür. Bir öğrencinin katılma eğilimi, akademik kayıtları ile pozitif olarak ilişkili olduğundan ve ortalama olarak düşük başarılılar, yüksek başarılılara göre daha düşük sosyal geçmiş değişkenlerinden geldiğinden, öğrenci katılım oranlarındaki bir artış veya azalma, HISEI ortalamasını etkileyebilir.

HISEI değişkeni için eksik veri yüzdesindeki bir değişiklik, kolayca doğrulanabilecek başka bir açıklama olacaktır. Ortalama olarak, ebeveynlerinin işlerini sağlamayan öğrenciler daha düşük başarılıdır. Bu nedenle, düşük sosyal arka plan özellikleri beklenmelidir, böylece eksik verilerdeki bir artış, HISEI ortalamasının artmasıyla ve bunun tersi olarak ilişkilendirilebilir.

Tablo 12.2, PISA 2000 ve PISA 2003 veri tabanlarındaki HISEI değişkenleri için eksik verilerin yüzdelerini vermektedir. Bu sonuçlar hipotezi gerçekten doğrulamamaktadır. Örneğin, Amerika Birleşik Devletleri’nde, kayıp veri yüzdeleri 2000’de sırasıyla yaklaşık yüzde 14 ve 2003’te yaklaşık yüzde 6 idi ve HISEI ortalamaları sırasıyla 52.40 ve 54.55 idi.

HISEI’nin önemli ölçüde farklılık gösterdiği 13 ülkeden 9’unda, ya HISEI ortalamasının artması, eksik veri yüzdesinin azalmasıyla veya bunun tersi ile ilişkilidir. Diğer üç ülkede, yani Belçika, Çek Cumhuriyeti ve Meksika’da, ilişki hipotezle tutarlıdır.

Bu basit örnek, trend göstergelerinin yorumlanmasının oldukça karmaşık olduğunu göstermektedir. Bir ülkenin sosyal ve ekonomik yapısı, iki döngü arasında hiçbir farklılık olmaması için üç yıllık bir süre boyunca değişmeden kalmalıdır. Ancak, gösterildiği gibi, bu fark 13 ülkenin tamamında önemli görünmektedir.

Okul veya öğrenci katılım oranlarındaki ve eksik verilerin dağılımındaki değişiklikler bazen bu önemli farklılıkları açıklayabilir. Bu nedenle, hesaplanan farklılıkları popülasyon özelliklerinde gerçek bir değişiklik olarak yorumlamaya çalışmadan önce bazı doğrulamaların uygulanması tavsiye edilir.

PERFORMANS DEĞİŞKENLERİNDE TREND GÖSTERGELERİ İÇİN STANDART HATANIN HESAPLANMASI

PISA 2000 ve PISA 2003 performans ölçeklerinin sabitlenmesi

PISA 2000 veritabanı, aşağıdaki etki alanlarının veya alt etki alanlarının her biri için beş makul değer içerir:

• Matematik
• Okuma
− Okuma/bilgi alma − Okuma/yorumlama
− Okuma/yansıtma
• Bilim

PISA 2003 veritabanı ayrıca aşağıdaki etki alanlarının veya alt etki alanlarının her biri için beş makul değer içerir:

• Matematik
−Matematik/uzay ve şekil
− Matematik/değişim ve ilişki − Matematik/belirsizlik
− Matematik/miktar
• Problem çözme
• Okuma
• Bilim

PISA 2000 ve PISA 2003 performans ölçeklerini ilişkilendirmek için kullanılan psikometrik prosedürler matematik için okuma ve fen için olduğundan farklıdır.

Aracı değişken nedir
Bağımsız değişken
Sürekli değişken örnekleri
Düzenleyici değişken nedir
Kontrol değişkeni
Bağımlı Bağımsız değişken Psikoloji örnekleri
Bağımsız değişken örnekleri
Bağımlı Bağımsız değişken Araştırma Yöntemleri

2000 yılında okuma ana alandı ve 2000 değerlendirmesi için geliştirilen 140 maddenin 28’i 2003 değerlendirmesi için kullanıldı. 2003 verileri bu nedenle 2000 okuma ölçeğinde rapor edilmiştir. 2000 yılı değerlendirmesi için geliştirilen 30 maddeden 25’i 2003 yılı değerlendirmesi için kullanıldığından, 2003 yılı fen değerlendirme verileri de 2000 fen ölçeğinde rapor edilmiştir.
Matematik, ana alan olarak, PISA 2003 için büyük geliştirme çalışmalarının konusuydu.

Ayrıca, 2000 yılındaki matematik değerlendirmesi dört içerik alanından sadece ikisini kapsıyordu (uzay ve şekil ve değişim ve ilişkiler). 2003 değerlendirmesinde kullanılan 85 maddeden 20’si 2000 değerlendirmesinden gelmektedir. Değerlendirmedeki bu genişleme nedeniyle, PISA 2000 matematik puanları ölçeğinde PISA 2003 matematik puanlarının raporlanması uygun görülmedi.

Ancak, ülkelere bazı eğilim göstergeleri sağlamak için, matematik alt ölçekleri uzay ve şekil ile PISA 2000’in değişimi ve ilişkisi PISA 2003 ölçeklerinde rapor edilmiştir.

2000 ölçeğinde PISA 2003 okuma ve bilim verilerini sabitlemek için adımlar şunlardır:

1. PISA 2003 madde parametrelerini elde etmek için 2003 okuma ve bilim verilerinin kalibrasyonu, yani maddenin Rasch ölçeğindeki göreli zorluğu.

2. Bu madde parametrelerine dayalı olarak, PISA 2003 verileri üzerinde okuma ve bilim için makul değerlerin üretilmesi.

3. Adım 1’in madde parametrelerine dayalı olarak, ancak yalnızca bağlantı öğelerine dayalı olarak, PISA 2000 verilerinde Reading ve Science için makul değerlerin üretilmesi. Bu zamana kadar, PISA 2000 için iki makul değer seti mevcuttur: PISA 2000 veritabanına dahil edilen orijinal makul değerler seti ve PISA 2003 madde parametrelerine dayanan makul değerler seti. Ne yazık ki, yeni makul değerler grubunun ortalaması ve standart sapması, PISA 2000 orijinal makul değerlerinden biraz farklı olacaktır.

Bu farklılıklar 2000 ve 2003 yılları arasında bağlantı maddelerinin zorluğundaki değişiklikleri yansıtmaktadır. Hatırlatma olarak 2000 yılında OECD ortalaması için ortalama ve standart sapma sırasıyla 500 ve 100 olarak belirlenmiştir. değerler 505’lik bir ortalama ve 110’luk bir standart sapma döndürür. PISA 2000 verileri için yeni makul değerler kümesi, ortalamaları ve standart sapmaları sırasıyla 500 ve 100’e eşit olacak şekilde dönüştürülmelidir.

4. Bu adım, PISA 2000 verileri üzerindeki yeni makul değerler kümesinin ortalamasının ve standart sapmasının ortalama 500 ve standart sapmanın 100 olmasını garanti edecek doğrusal dönüşümün hesaplanmasından oluşur. Bu doğrusal dönüşüm, olarak yazılmalıdır. Örnekte, = 100 / 110 = 0.909 ve = (500 – (0.909 * 505)) = 40.955;2.

5. Bu doğrusal dönüşüm, PISA 2003 makul değerlerine uygulanır. Reading veya Science PISA 2003 makul değerlerine uygulanan bu doğrusal dönüşüm, 2003’teki öğrenci performansının 2000’deki öğrenci performansıyla karşılaştırılabilir olmasını garanti eder.

Daha önce belirtildiği gibi, başka bir bağlantı öğesi grubuyla, doğrusal dönüşüm farklı olurdu. Sonuç olarak, bağlantı hatası olarak adlandırılan bağlantı öğelerinin örneklenmesinden dolayı dönüşümde bir belirsizlik vardır.

İki matematik PISA 2000 alt ölçeğini PISA 2003 alt ölçeklerine bağlama adımları şunlardır:

1. PISA 2003 madde parametresini elde etmek için 2003 matematik verilerinin kalibrasyonu;
2. Bu madde parametrelerine dayanarak, PISA 2003 makul değerlerinin üretilmesi; ve
3. 2003 madde parametrelerine dayalı olarak, matematik PISA 2000 verileri için makul değerlerin üretilmesi.

Benzer şekilde, trendin tahmini, okuma ve bilimdeki başka bir dizi bağlantı öğesiyle biraz farklı olurdu. Bu nedenle, bu hata bileşenini trend göstergesinin standart hatasına entegre etmek önemlidir.

Standart hatanın hesaplanmasına bağlantı hatasının dahil edilmesi

Her bağlantı öğesi için, artık aynı metrikte olan iki öğe parametresi tahminimiz var: 2000 öğe parametresi ve 2003 öğe parametresi. Bu bağlantı öğelerinin bazıları göreceli zorlukta bir artış, bazıları ise bir düşüş gösterir, ancak ortalama olarak fark 0’a eşittir. Bu, bazı öğelerin 2003’te 2000’dekinden veya tersinden daha zor göründüğü anlamına gelir.

Bağlantı öğelerinin alt kümesi, sonsuz bir bağlantı öğeleri popülasyonunun basit bir rastgele örneği olarak kabul edilebileceğinden, bağlantı hatası şu şekilde hesaplanabilir.

The post PERFORMANS DEĞİŞKENLERİ – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).