نقش هموار سازی در تبدیل غیر خطی نمره های خام به نمره های مقیاس نرمال (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
آزمون های مرکب شامل چند خرده آزمون هستند که ممکن است به لحاظ محتوا و تعداد پرسش ها متفاوت باشند. برای تفسیر پذیری بهتر و مقایسه پذیر کردن نمره خرده آزمون ها، نمره خام به دست آمده از خرده آزمون ها به مقیاس مشترکی تبدیل می شود که به آن نمره مقیاس گفته می شود. یکی از روش های مرسوم تبدیل نمره های خام به نمره های مقیاس، تبدیل مقیاس نرمال است. در این تبدیل از فراوانی تراکمی و رتبه درصدی هر نمره برای ساختن نمره مقیاس استفاده می شود. هدف این پژوهش، بررسی اثر به کارگیری روش پیش هموار سازی فراوانی نمره ها و پس هموارسازی آنها بر میزان خطای استاندارد اندازه گیری شرطی نمره های مقیاس است. برای بررسی این اثر از 10000 داده شبیه سازی شده و 10000 داده واقعی آزمون سراسری ایران در گروه آزمایشی ریاضی و فنی در سال 1395 بهره گرفته شد. همچنین از روش های هموارسازی دو جمله ای کرنل و هموارسازی اسپلاین به ترتیب برای هموار کردن فراوانی نسبی نمره ها و نمره های مقیاس استفاده شد. برای مقایسه نمره های مقیاس ساخته شده از خطای استاندارد اندازه گیری شرطی نمره ها بهره گرفته شد. نتایج پژوهش، نشان دهنده مقدار بالای ضریب پایایی برای همه روش ها بود. ضمن اینکه تحلیل نمودار و میانگین خطای استاندارد اندازه گیری شرطی نشان داد که در آن دسته از روش های تبدیل نمره های خام به نمره های مقیاس که از پیش هموار سازی فراوانی، استفاده شده است، میانگین خطای استاندارد اندازه گیری شرطی کمتر بوده و استفاده از پیش هموار سازی تا حد مطلوبی نوسان خطا برای سطوح مختلف نمره ها را کاهش داده است.Smoothing methods role in raw scores Non-linear transformation to Normalized scale scores
In order to the better interpreting and comparing scores in test batteries the raw scores in each test are converted to a common scale that called scale score. One of the prevalent methods to transform raw scores to scale scores is normalizing. In this research to investigate the role of frequency pre-smoothing and score post-smoothing in normalizing scaling method we used 10000 random simulated sample data and 10000 random real sample data from Iran university entrance exam applicants. The role of smoothing methods in normal scaling method has been analyzed by conditional standard error of measurement that called CSEM, frequency charts and statistical indexes like moments. The results showed that reliability coefficient for all scaling methods are high, but analyzing charts, moments and conditional standard error of measurement illustrated that normalized scale score obtained from the frequencies smoothing method are the more accurate and fewer errors, Furthermore using pre-smoothing lead to reduce score error undulation.