DİĞER PROSEDÜRLER

Son yirmi yıldır, eğitim araştırmaları alanında çok seviyeli modeller ve yazılım paketleri tanıtılmıştır. Bu modellerin eğitim fenomeninin çözülmesinde bir kırılmaya izin verdiğine şüphe yoktur. Gerçekten de, çok seviyeli regresyon modelleri, öğrencilerin sınıflar ve okullar içinde iç içe olduğu gerçeğini hesaba katma imkanı sunar: sonuç ölçüsü oluşturulurken katkıda bulunan her faktör değerlendirilebilir.

MLWin veya HLM gibi çok seviyeli regresyon yazılım paketleri, tıpkı herhangi bir profesyonel istatistiksel paket gibi, tahmini popülasyon parametrelerinin her biri için standart hatanın bir tahminini sağlar. SAS® ve SPSS®, örneği popülasyon öğelerinin basit rastgele bir örneği olarak kabul ederken, MLWin ve HLM, verilerin hiyerarşik yapısını tanır, ancak okul örneğinin basit bir rastgele örnek olduğunu düşünür.

Bu nedenle, örnekleme varyansını azaltmak için PISA’da kullanılan tamamlayıcı örnek tasarım bilgilerini dikkate almazlar. Sonuç olarak, PISA’da çok seviyeli modellerle tahmin edilen örnekleme varyansları her zaman Fay kopya örnekleriyle tahmin edilen örnekleme varyanslarından daha büyük olacaktır.

Bu çok seviyeli model paketleri, ek numune tasarım bilgilerini içermediğinden, standart hata tahminleri, tabakalandırılmamış numuneler için Jackknife yöntemine benzer. Örneğin, Alman PISA 2003 verileri, SAS® tarafından önerilen ve PROC MIXED olarak adlandırılan çok seviyeli model kullanılarak analiz edildi.

Birleşik okuma okuryazarlığı ölçeği için beş makul değerin2 ortalamasının standart hataları sırasıyla 5.4565, 5.3900, 5.3911, 5.4692 ve 5.3461’dir. Bu beş standart hatanın ortalaması 5.41’e eşittir. Bu bölümün 2. bölümündeki formülün kullanımının 5.45’e eşit bir örnekleme varyansı tahmini ürettiğini hatırlayın. Çok seviyeli yazılım paketleri ile, tahminler için standart hataların yansız tahminleri elde edilmek isteniyorsa, kopyaların kullanılmasından kaçınılamaz.

SONUÇLAR

Uluslararası eğitim araştırmaları çoğu zaman iki aşamalı bir örneklem tasarımı kullandığından, basit tesadüfi örnekleme için geliştirilmiş örneklem dağılım formüllerini uygulamak uygun olmayacaktır. Bunu yapmak, örnekleme varyanslarının hafife alınmasına yol açacaktır.
Eğitim araştırmalarında örnekleme tasarımları çok karmaşık olabilir. Sonuç olarak, örnekleme dağılımları, ortalamalar gibi basit tahmin ediciler için bile mevcut olmayabilir veya çok karmaşık olabilir.

1990 IEA okuma okuryazarlığı çalışmasından bu yana, örnekleme varyansları çoğaltma yöntemleriyle tahmin edilmektedir. Bu yöntemler, tüm örnekten birkaç alt örnek üreterek veya örnekleri çoğaltarak çalışır. İlgili istatistik daha sonra bu kopya örneklerin her biri için tahmin edilir ve daha sonra örnekleme varyansının bir tahminini sağlamak için tüm örnek tahminiyle karşılaştırılır.

Replikasyon numunesi, replikasyon yöntemine özel bir algoritmaya göre tam numune ağırlıklarının basitçe dönüştürülmesiyle oluşturulur.

Dolayısıyla bu yöntemler, gelişmiş bilgi işlem kaynakları sayesinde kolayca hesaplanabilen herhangi bir uyarıcıya3, medyanlara, yüzdeliklere, korelasyonlara, regresyon katsayılarına vb. uygulanabilir. Ayrıca, bu tekrarlı ağırlıkların kullanılması, istatistikte kapsamlı bir bilgi gerektirmez, çünkü bu prosedürler, ilgilenilen istatistikten bağımsız olarak uygulanabilir.

Kümelenmek ne demek
Küme Örneklemesi örnek
Küme Örnekleme yöntemi nedir
Sosyal KÜMELENME Nedir
Sistematik örnekleme
Kura yöntemi nedir
Tabakalı Örnekleme nedir
Yargısal Örnekleme nedir

Rasch Modeli

PISA gibi eğitimde uluslararası araştırmalar, belirli yaş veya sınıf seviyelerinde çeşitli öğrenci alt gruplarının belirli ders alanlarındaki performansını tahmin etmek için tasarlanmıştır.

Anketlerin geçerli sayılabilmesi için birçok maddenin geliştirilmesi ve nihai testlere dahil edilmesi gerekmektedir. Değerlendirme çerçeveleriyle ilgili OECD yayınları, örneğin matematik okuryazarlığı gibi geniş bir şekilde tanımlanan bir alanı değerlendirmek için birçok öğeye ihtiyaç olduğunu göstererek PISA alanlarının genişliğini ve derinliğini gösterir.

Aynı zamanda, örneklenen her öğrenciyi tüm madde bataryasıyla değerlendirmek mantıksız ve belki de istenmeyen bir durumdur çünkü:

• Uzatılmış test süresinden sonra, öğrencilerin sonuçları yorgunluktan etkilenmeye başlar ve bu, anketlerin sonuçlarında yanlılık yaratır; ve
• Okul müdürleri, gerekli olacak çok uzun sınav süresi için öğrencilerini serbest bırakmayı reddedecekti. Bu, okul katılım oranını azaltacak ve bu da sonuçların sonuçlarını önemli ölçüde de etkileyebilecektir.

Sınırlı öğrenci düzeyinde test süresinin ve değerlendirme alanının geniş kapsamının çelişkili taleplerinin üstesinden gelmek için öğrencilere madde havuzunun bir alt kümesi atanır. Bunun sonucu, öğrencilerin her bir maddeye yalnızca belirli alt örneklerinin yanıt vermesidir.

Anketin amacı, her bir madde için doğru cevapların yüzdesini bildirerek performansı tahmin etmekse, bireysel öğrencilerin performansını rapor etmek gerekli de olmayacaktır.

Bununla birlikte, tipik olarak, anketin sonuçlarını araştırma topluluğuna, halka ve ayrıca politika yapıcılara iletmek için ayrıntılı madde düzeyinde bilgileri özetlemeye ihtiyaç vardır. Ayrıca, eğitim araştırmaları ülkeler, okullar ve öğrenciler arasındaki sonuçlar arasındaki farkı açıklamayı amaçlamaktadır. Örneğin, bir araştırmacı kız ve erkek çocuklar arasındaki performans farkıyla da ilgilenebilir.

BİLGİLER NASIL ÖZETLENEBİLİR?

Ülke düzeyinde, madde düzeyindeki bilgileri özetlemek için en basit prosedür, ortalama doğru cevap yüzdesini hesaplamak olacaktır. Bu, daha önceki ulusal veya uluslararası araştırmalarda büyük ölçüde kullanılmıştır ve daha karmaşık modeller uygulandığında bile bazı güncel uluslararası araştırmalarda hala da kullanılmaktadır.

Bu anketler, matematik ve bilimdeki ve ayrıca içerik alanlarına göre (örneğin, biyoloji, fizik, kimya, yer bilimleri vb.) genel doğru cevap yüzdesini rapor edebilir. Örneğin, matematikte, bir ülke için toplam doğru cevap yüzdesi yüzde 54, başka bir ülke için yüzde 65 olabilir.

Bu tür raporlamanın en büyük avantajı herkes tarafından anlaşılabilir olmasıdır. Herkes bir matematik testi hayal edebilir ve doğru cevapların yüzde 54’ü ve yüzde 65’i ile neyin temsil edildiğini tasavvur edebilir. Bu iki sayı aynı zamanda iki ülke arasındaki fark hakkında da bir fikir veriyor.

Yine de bu yaklaşımda bazı zayıflıklar vardır çünkü doğru cevapların yüzdesi testin zorluğuna bağlıdır. İki ülke arasındaki sonuçlardaki farkın gerçek boyutu, testin zorluğuna bağlıdır ve bu yanlış yorumlamaya da yol açabilir.

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