Ciascun quesito può avere un punteggio o peso assegnato, con alta varianza che indica maggiore dipendenza dal giudizio dei Giudici.
La Scala di Guttman mira a ottenere l'unidimensionalità delle Scale Likert, ordinando gli item in base all'intensità crescente della domanda.
Teoria Classica dei Test (CTT):
L'item analysis studia le proprietà delle scale per misurare quantitativamente le attitudini.
La CTT modella i punteggi osservati (Yit) come la somma di punteggi veri (Xit) e errore (Eit).
Sottolinea l'importanza della validità di contenuto (struttura interna e sfaccettature del fenomeno) e dell'unidimensionalità (item altamente correlati).
I test paralleli assumono punteggi veri e varianze uguali tra test equivalenti, differendo solo per errore di misurazione (media zero, varianza uguale).
Affidabilità e Alfa di Cronbach:
La CTT valuta l'affidabilità tramite proprietà statistiche.
Se il quadrato della correlazione tra punteggi veri e osservati (Pxy^2) è 1, la varianza dell'errore è zero, indicando che le differenze osservate sono interamente dovute al punteggio vero.
L'Alfa di Cronbach (α = (k / (k-1)) * (1 - (Σσi^2 / σ^2))) misura la coerenza interna di un test, dove k è il numero di item e σi^2 è la varianza del singolo item.
Costruzione di Questionari e Teoria della Risposta all'Item (IRT):
I questionari sono strumenti fondamentali che utilizzano risposte binarie o su scala ordinale per misurare attributi non osservabili (tratti latenti).
È cruciale che i questionari siano validi, affidabili e rispettosi dell'integrità degli individui.
La Teoria della Risposta all'Item (IRT), in particolare il Modello di Rasch, ha l'obiettivo di tradurre i punteggi grezzi in stime di abilità, mantenendo l'unidimensionalità e l'indipendenza condizionata.
Nel Modello di Rasch, la probabilità di una risposta corretta dipende dalla differenza tra l'abilità del rispondente (Bi) e la difficoltà dell'item (di), formalizzata come Prob { Yij = 1 | Bi, di } = e^(Bi-di) / (1 + e^(Bi-di)).
Le Curve Caratteristiche degli Item (ICC) illustrano come la probabilità di una risposta corretta vari in funzione del livello di abilità dello studente.
Il processo di stima dei parametri nel Modello di Rasch implica un algoritmo iterativo: si sommano le righe per stimare i punteggi veri, si calcola una matrice dei residui (eij=0), si minimizza la somma dei quadrati dei residui e si aggiornano i parametri Beta (abilità/difficoltà) nelle successive iterazioni.
Siamo nati da poco ma abbiamo già migliaia di appunti nella nostra community!
Completa il tuo profilo
Adesso sei dei nostri!
Ottieni i primi crediti!
Carica i tuoi file
Il modo più veloce per guadagnare crediti è caricare materiale.
Ci sono tante tipologie di materiale e siamo certi che hai tanto valore da condividere con la community!
Accidenti, ancora non abbiamo il tuo corso di laurea!
Se ti va puoi inserirlo tu in pochi click — anche solo il corso di laurea, oppure completo di tutti i corsi!
Aggiungilo subito
e faremo del nostro meglio per popolarlo di materiale interessante.
Nel frattempo inizia a guadagnare crediti invitando i tuoi amici, così appena saremo attivi potrai subito accedere al materiale disponibile.
Bastano 3 amici verificati per attivare l'abbonamento…
Consiglia ai tuoi amici
Scrivi ai tuoi vecchi amici o ai tuoi nuovi colleghi di studio. Ogni email che inserisci rappresenta un mattone importante per la community.
Per ogni amico che porti otterrai nuovi crediti!