اثرات بی پاسخی پرسش بر شاخص های روان سنجی: شواهدی بر نامناسب بودن راهکار حذف (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
بی پاسخی پرسش چالشی جدی پیش روی اندازه گیری ها در مطالعات بزرگ مقیاس است، مطالعاتی که نقشی اساسی در تصمیم گیری ها و سیاست گذاری مربوط به آموزش و فرهنگ ایفا می کنند. به دلیل ایجاد سوگیری و خطا در برآورد پارامترهای توزیع نمره ها و شاخص های روان سنجی، چالش بی پاسخی هم بر فرایند ساخت وسیله اندازه گیری و هم بر استفاده از آن اثر می گذارد. از این رو، هدف این مقاله تأثیر نرخ های مختلف بی پاسخی پرسش را بر تعدادی از این شاخص ها و پارامترها تحت سازوکارهای کاملاً تصادفی و غیرتصادفی با استفاده از یک مجموعه داده واقعی شبیه سازی می کند. یافته ها نشان می دهند که بی پاسخی کاملاً تصادفی کمتر از 5 درصد قابل چشم پوشی است مشروط بر آنکه افراد بی پاسخ متفاوت از افراد دارای پاسخ نباشند. در مقابل، اگر بی پاسخی با هر نرخی غیرتصادفی باشد، شاخص های روان سنجی (آلفای کرونباخ، ضریب پایایی دو نیمه کردن، ضریب روایی) و پارامترهای توزیع نمره ها (میانگین، انحراف معیار و چارک های نمره ها) می توانند دارای سوگیری و نادقیق باشند. همچنین، بی پاسخی غیرتصادفی می تواند به فاصله های اطمینان عریض و نتایج گمراه کننده ای منجر شود. از این رو، شواهد حاصل از این مطالعه شبیه سازی از حذف افراد بی پاسخ برای رفع مشکل بی پاسخی حمایت نمی کند.The Effects of Item Nonresponse on Psychometric Indexes: Evidence against Deletion Method
Item nonresponse is a serious challenge to the measurements in large-scale studies which plays a considerable role in decision and policy making about educational and/or cultural issues. This challenge affects both the process of instrument construction and its application because of big error and bias in the estimation of psychometric indexes and scores distribution parameters. Therefore, this paper aims at simulating the effects of different nonresponse rates under completely random and nonrandom item nonresponse by using a real data set. The results show that a nonresponse rate less than 5% can be ignorable under completely random nonresponse where there is no notable difference between respondents and non-respondents. In contrast, psychometric indexes (Cronbach’s alpha, split-half reliability coefficient and validity coefficient) and scores distribution parameters (mean, standard deviation and quartiles) can be biased and inaccurate if the item nonresponse at any rate is nonrandom. In addition, item nonresponse can lead to wide confidence intervals and misleading results. Hence, the simulation findings do not advocate the deletion of non-respondents from a data set as a solution to the nonresponse challenge.
تبلیغات
