Scarica PANIERE CHIUSE COMPILATO TEORIE E TECNICHE DEI TEST B e più Panieri in PDF di Psicometria solo su Docsity!
PANIERE TEORIE E TECNICHE DEI TEST: PROF PALOMBI
Lezione n.2: La psicometria scientifica: ha l'obiettivo di quantificare in modo oggettivo una caratteristica psicologica In psicologia, il sistema relazionale numerico: ha una relazione indiretta con il sistema relazionale teorico L’unità di analisi è: ciò su cui viene compiuta la misura L’assesment psicologico: comprende diversi elementi, tra cui i test psicologici Una caratteristica è definita variabile se: Si manifesta in due modi diversi Una caratteristica è definita costante se: si manifesta in una sola modalità Uno dei primi scienziati ad occuparsi del problema della misurazione in psicologia fu: Fechner Lezione n.4: Nella costruzione di un test, l'operazionalizzazione: Definisce gli indicatori osservabili di una variabile latente Nella psicometria scientifica l'obiettivo è misurare: delle caratteristiche latenti attraverso indicatori osservabili Nella costruzione di un test, il dominio di contenuto di un costrutto viene definito: in base a molteplici fonti Il processo che lega i concetti scientifici ad operazioni che chiunque può osservare o eseguire è: l'operazionalizzazione Nella costruzione di un test, le operazionalizzazioni sono: gli indicatori osservabili di una variabile psicologica latente Un costrutto definito da una serie di facets viene detto: dominio Nella costruzione di un test, il processo di definizione di un costrutto può essere detto: operazionalizzazione La definizione di costrutto: è un aspetto preliminare durante il processo di costruzione del test Quando un costrutto è concettualmente ampio: è opportuno definire delle facets Lezione n.5: Il processo che assegna ad un individuo un numero, che indica il grado in cui l'individuo stesso possiede la caratteristica durata dal test è detto: scaling
Il modello di misura: specifica la relazione tra la variabile latente e gli indicatori In un modello di misura riflessivo: il costrutto determina gli indicatori osservati In un modello di misura formativo: il costrutto è determinato dagli indicatori osservati Nell'equazione della teoria classica dei test X = V + E, la V rappresenta: Il punteggio vero Nell’equazione della teoria classica dei test X = V + E, E rappresenta: l’errore di misura Nell’equazione della teoria classica dei test X = V + E, la X rappresenta: Il punteggio osservato Lezione n.6 e n.7: Nella teoria classica dei test lo scaling è: Basato sui soggetti Il modello di Rasch si basa sulla funzione: Logistica Nel modello di Rasch, la risposta all’item è funzione: entrambe le alternative Nel modello di Rasch, la curva caratteristica di un item rappresenta la probabilità che un soggetto risponda correttamente ad un item in funzione: dell'abilità del soggetto Lezione n.9: La chiarezza è una caratteristica fondamentale di un test e riguarda: tutte le risposte sono corrette (le modalità di risposta; le istruzioni; le domande) Una caratteristica fondamentale degli item di un test è: la non oRensività La centralità rispetto al contenuto è: una caratteristica fondamentale degli item Uno strumento si definisce self-report se: è compilato autonomamente dal soggetto La caratteristica di centralità rispetto al contenuto prevede che: Gli item risiedono lungo il continuum di ciò che vogliono misurare L’ambiguità è una caratteristica fondamentale degli item: dei test proiettivi Lezione n.10: Il formato di risposta nelle scale di valutazione può essere: bipolare o unipolare In una scala di valutazione le etichette che descrivono ogni punto della scala sono chiamate: quantificatori indeterminati La scala di risposta “molto d'accordo”, “abbastanza d’accordo”, “abbastanza in disaccordo”, “molto in disaccordo” è una scala: Likert In una scala di valutazione opportuno che quantificatori indeterminati siano: simmetrici rispetto al punto centrale Secondo i risultati della ricerca, il numero ottimale di punti per una scala di valutazione compreso tra: 4 e 7
L’anonimato del test e la consegna in busta chiusa aiutano a contrastare l'eRetto: della desiderabilità sociale L’estremismo o “extreme response” è la tendenza a: Scegliere le categorie estreme di risposta indipendentemente dal contenuto La tendenza ad essere sempre d'accordo con gli item indipendentemente dal contenuto è detta: acquiescenza Una delle indicazioni più diRuse riguardanti la costruzione di un buon test prevede l'utilizzo: combinato di item straight e reverse Le diverse tendenze dei soggetti a rispondere agli item indipendentemente dalla quantità di costrutto posseduta dal contenuto dell'item sono: i response sets Acquiescenza e desiderabilità sociale sono esempi di: response sets La disacquiescienza è la tendenza a: non essere d’accordo con gli item indipendentemente dal contenuto Gli item reverse sono detti anche: negatively worded items In base al proximity eRect è bene: evitare che item reverse che misurano lo stesso costrutto siano consecutivi Gli item reverse: Entrambe le alternative (possono confondere i soggetti perché contengono negazioni; contrastano il fenomeno della acquiescenza) Gli item straight sono detti anche: positevely worded items Gli item reverse possono essere: tutte le alternative sono corrette (negated regular; polar opposites; negated polar opposites) Negli item reverse di tipo polar opposites: È impiegato il termine concettualmente contrario a quello nell'item straight Lo scopo fondamentale degli item reverse è quello di: tutte le alternative sono corrette (contrastare l'eRetto dei response sets; costringere il soggetto a considerare più attentamente il contenuto degli item; diminuire la probabilità che il soggetto risponda in modo automatico) Lo speed bump cognitivo si ottiene con: gli item reverse Lezione n.13: Nel test di prestazione massima, gli item ad esclusione possono usare contenuti: tutte le alternative sono corrette (verbali; numerici; visivi) Nei test di prestazioni massima, le analogie possono usare contenuti: tutte le risposte sono corrette (numerici; verbali; visivi)
Le tipologie di item che si usano nei test di prestazione tipica sono: item si/no, a scelta multipla forzata, con scale di valutazione Il processo di rievocazione richiesto nelle domande a risposta aperta può essere: tutte le risposte sono corrette (rievocazione libera; rievocazione guidata; rievocazione seriale) Con i test di prestazione massima è possibile misurare: le attitudini Con i test di prestazione massima è possibile misurare: l'intelligenza Con i test di prestazione tipica è possibile misurare: la personalità Nei test di profitto con risposte chiuse: il soggetto può rispondere correttamente tirando ad indovinare Nei test di profitto con domande aperte: il soggetto non può rispondere correttamente tirando ad indovinare L'intelligenza indipendentemente da condizionamenti culturali, che riflette l'eRicienza dell'elaborazione delle informazioni è definita: intelligenza fluida Le attitudini sono: nessuna delle alternative L'intelligenza che racchiude le capacità definite dalla cultura nella quale l'individuo è immerso e dalla quale è stato formato è definita: intelligenza cristallizzata Per misurare l'intelligenza fluida si possono utilizzare: analogie con contenuti visivi e numerici Per misurare l'intelligenza cristallizzata si possono utilizzare: item di abilità verbale Gli item verbali di ragionamento comprendono tipicamente: tutte le alternative sono corrette (sillogismi; inferenze sintattiche; discendenze) Con i test di prestazione tipica è possibile misurare: gli atteggiamenti Nei test di prestazione massima, le analogie: richiedono di estrarre dalla prima parte dell'item una determinata relazione analogica e applicarla al resto Lezione n.14: L’indicazione di evitare di chiedere più cose nello stesso item riguarda: entrambe le alternative (i test di prestazione tipica; i test di prestazione massima) In un item di prestazione massima, la risposta giusta dovrebbe essere: attraente come i distrattori I criteri di chiarezza e centralità rispetto al contenuto riguardano: entrambe le alternative (i test di prestazione tipica; i test di prestazione massima) In un item a scelta multipla, il testo che contiene la domanda o il problema è definito: item stem
La valutazione preliminare degli item di un test prevede: tutte le alternative sono corrette (la conduzione dello studio preliminare; la valutazione della validità di facciata; la valutazione della validità di contenuto) Con la validità di contenuto si valuta il grado in cui gli elementi dello strumento di assesment sono: rilevanti e rappresentativi per il costrutto Una delle tipologie di validità che viene valutata nella costruzione di un test è: la validità di facciata Una delle tipologie di validità che viene valutata nella costruzione di un test è: la validità di contenuto La valutazione della validità di contenuto riguarda: tutti gli elementi del test La validità di contenuto di un test: deve essere riesaminata periodicamente La valutazione della validità di contenuto: non è stabile nel tempo Per la valutazione della validità di contenuto è opportuno: impiegare diversi giudici La valutazione della validità di contenuto: è specifica per una particolare funzione del test Lezione n.18: La validità che riguarda il grado in cui gli item di un test sembrano misurare il costrutto che si intende misurare è: la validità di facciata La validità di facciata può contribuire alla validità dei punteggi al test perché: può aumentare la cooperazione da parte dei soggetti Prima di iniziare la raccolta dati dello studio preliminare è necessario: definire la popolazione target e campione Tra i criteri di campionamento dei soggetti partecipanti allo studio preliminare, di solito NON è incluso: il genere Il campione per lo studio preliminare deve essere definito in base a: rappresentatività e grandezza Lezione n.19: Nella selezione degli item di prestazione massima in base al livello di diRicoltà, di solito: sono da evitare gli item con diRicoltà maggiore di 80 e inferiore a 20 La diRicoltà degli item di prestazione massima può assumere valori: compresi tra 0 e 1 Il livello di diRicoltà degli item di prestazione massima è definito con: la proporzione di soggetti che non risponde correttamente all'item La formula per calcolare l’indice di discriminatività D è: D= P (alto) – P (basso)
Il livello di diRicoltà di un item di prestazione massima si sceglie anche in base: al numero di alternative di risposta dell'item in un item di prestazione massima, i distrattori funzionano bene quando: sono stati scelti con proporzioni uniformi Lo scopo dei distrattori negli item per i test di prestazione massima è: rendere diRicile l'individuazione della risposta corretta a chi non la sa e tira ad indovinare In un test di prestazione massima, gli item “troppo facili”, con un livello di diRicoltà inferiore a .10, possono essere inseriti per: tutte le alternative sono corrette (rilevare uno stile di risposta a caso; rilevare un livello insolitamente basso del costrutto; per sostenere la motivazione dei soggetti che rispondono) Lezione n.20: Se due item risultano avere una ridondanza molto elevata, di solito è consigliabile: eliminare uno dei due item In un item di prestazione massima, l'indice di discriminatività inferiore a .20 indica che la discriminatività è: insuRiciente Un valore negativo della correlazione item-totale corretta indica che: c’è un problema ed è opportuno controllare lo scoring Per essere ottimale, il valore della correlazione item-totale corretta dovrebbe essere: maggiore di. Nei test di prestazione massima, per calcolare la correlazione item-totale corretta è necessario calcolare: il coeRiciente di correlazione punto-biseriale L’indice che esprime quanto ogni item è in grado di rappresentare, da solo, il costrutto misurato dall’insieme degli item del test è: la correlazione item-totale corretta L’indice che permette di valutare quanto ogni item contribuisce al punteggio totale del test è: la correlazione item-totale corretta La correlazione item-totale corretta è un indice che esprime: Tutte le alternative sono corrette (permette di valutare quanto ogni item contribuisce al punteggio totale del test; esprime quanto ogni singolo item è rappresentativo dell'intera scala; esprime quanto ogni singolo item in grado di rappresentare il costrutto misurato dall'insieme degli item del test) In un test di prestazione massima, l'indice di discriminatività dovrebbe assumere valori: positivi, meglio se maggiori di. In un test di prestazione massima, la situazione ideale è avere: item con livelli di diRicoltà diversi tra loro
Per stabilire se lo scostamento della distribuzione normale è trascurabile oppure no si utilizza: tutte le alternative sono corrette (un test statistico di verifica dell'ipotesi nulla; l'esame del grafico della distribuzione e delle frequenze; i valori degli indici di Curtosi e Skewness) Quando la probabilità che un dato sia mancante non dipende dalla caratteristica misurata dal test di cui l'item fa parte una volta controllato l'eRetto di altre variabili, si tratta di: Missing ad Random Quando la probabilità che un dato mancante è completamente indipendente sia dalla caratteristica misurata dal test di cui l'item fa parte, sia da qualsiasi altra variabile considerata nell'analisi si tratta di: Missing Completely at Random Quando la probabilità che un dato sia mancante dipende proprio dalla caratteristica misurata nel test, si tratta di: Missing Not ad Random I Missing Not Random: Tutte le alternative sono corrette (dipendono da fattori sistematici; dipendono dalla caratteristica misurata nel test; sono detti anche non ignorable missing) Quali delle seguenti è un tipo di pattern dei dati mancanti: tutte le alternative sono corrette (missing per definizione della popolazione; missing not at random; missing completely at random) I Missing Completely ad Random: Sono distribuiti casualmente all'interno del database L'assenza di una risposta da parte del soggetto ad un determinato item è definita: Missing Il data cleaning: deve essere condotto prima di iniziare qualsiasi analisi Un'osservazione in cui il dato è presente e il cui valore compatibile con quelli possibili per quella variabile è definita: caso valido Un aspetto di cui si occupa la procedura di data cleaning è: verificare la presenza di valori anomali Lezione n.22: Nell'analisi preliminare degli item dei test di prestazione tipica si utilizzano: tutte le alternative sono corrette (gli indici di tendenza centrale; gli indici di dispersione; la frequenza del punteggio minimo e massimo della scala di risposta) Per i punteggi su scala Likert, è possibile utilizzare la media, invece della mediana: tutte le alternative sono corrette (se le alternative di risposta sono almeno 5; se la distribuzione delle frequenze simile alla normale; se gli ancoraggi sono ben bilanciati) ARinché un item funzioni bene, il punteggio massimo e minimo della scala di risposta tipo Likert: deve essere stato scelto almeno una volta Negli item con scala di risposta Likert, il valore della deviazione standard del punteggio varia in funzione: dei punti della scala
Negli item con scala Likert, il valore del punteggio medio dovrebbe corrispondere: al punteggio medio della scala di risposta Negli item con scala di risposta Likert, il range dei valori ottimali del punteggio medio varia in funzione: dei punti della scala Nell'analisi preliminare degli item di prestazione tipica, per verificare che le risposte siano suRicientemente disperse intorno al punteggio centrale si utilizza: la deviazione standard e la diRerenza interquartile Lezione n.23: Negli item di prestazione tipica, aRinché la discriminatività sia accettabile, la grandezza dell'eRetto dovrebbe essere: superiore a. Nella valutazione preliminare degli item, la valutazione della discriminatività è utilizzata: per i test di prestazione massima e per i test di prestazione tipica Valutando la discriminatività di un item con scala Likert attraverso l'esame della curva caratteristica dell'item ci aspettiamo: che il punteggio 1 sia quello più scelto dai soggetti nel primo quartile Nei test di prestazione tipica, per calcolare la correlazione item-totale corretta è necessario calcolare: il coeRiciente di correlazione prodotto-momento di Pearson Un valore negativo della correlazione item-totale corretta in un test di prestazione tipica indica che: potrebbe trattarsi di un item reverse che non è stato ricodificato In un test di prestazione tipica la ridondanza degli item ha ripercussioni: sulla dimensionalità del test In un test di prestazione tipica, nel selezionare quali hai tema tenere tra due ridondanti si tende a scegliere: tutte le alternative sono corrette (formulato meglio; con migliore distribuzione di frequenze) Nella valutazione preliminare degli item, la correlazione item-totale corretta è utilizzata: per i test di prestazione massima e per i test di prestazione tipica Lezione n.2 5 : L'unidimensionalità degli item di un test può essere ipotizzata quando nella matrice di correlazione tra gli item: le correlazioni tra gli item sono tutte molto simili tra loro Individuare quante dimensioni sono necessarie per riassumere adeguatamente le relazioni tra le variabili è lo scopo: dell'analisi fattoriale La presenza di correlazioni molto simili tra loro di un test suggerisce la presenza di: unidimensionalità dell'insieme di item
In un'analisi fattoriale esplorativa su indicatori riflessi, elevando al quadrato la saturazione dell'item sul fattore si ottiene: la quota di variabilità del punteggio all'iter che è spiegata dal fattore ARinché una soluzione fattoriale sia adeguata, ogni fattore estratto deve essere saturato: da almeno tre item In un'analisi fattoriale esplorativa, un valore di comunalità =1 indica che: i fattori spiegano completamente la variabilità dell'item I valori della comunalità: possono variare tra 0 e 1 La quota di variabilità del punteggio agli item spiegata dall'insieme di fattori è: la comunalità In un modello di misura ad indicatori riflessivi, la comunalità è: la quota di variabilità del punteggio all'item spiegata dall'insieme dei fattori La somma delle saturazioni al quadrato che un item ha con ogni fattore è: la comunalità Le saturazioni in cui il fattore è in grado di spiegare almeno il 10% della variabilità dell'item sono dette: sostanziali In un'analisi delle componenti principali su indicatori formativi, elevando al quadrato la saturazione dell'item sul fattore si ottiene: il peso che ha l'item nel determinare il punteggio nel fattore Nell'analisi fattoriale esplorativa, la quota di variabilità del punteggio all'iter non spiegata dai fattori è: l’unicità Il principio della struttura semplice prevede che la matrice delle saturazioni dovrebbe presentare: una sola saturazione sostanziale su ogni riga e tutte le altre più basse possibili rispetto alla saturazione principale Lezione n.28: Quando il test è formato da item tutti dicotomici: si utilizza la matrice tetracorica per condurre l'analisi fattoriale Il determinante della matrice di correlazione è utilizzato per valutare: la fattorializzabilità della matrice Il test di sfericità di Bartlet fornisce indicazioni circa: la fattorializzabilità della matrice Per sapere se una matrice è fattorializzabile: si utilizzano degli indici La scelta del tipo di matrice di correlazione da utilizzare in un'analisi fattoriale dipende: tutte le alternative sono corrette (dalla scala di misura delle variabili; dalla Curtosi delle variabili; dalla Skewness delle variabili) Per condurre l'analisi fattoriale si può partire da matrici di correlazione: tutte le alternative sono corrette (pearsoniane; policoriche; tetracoriche)
Il punto di partenza di un'analisi delle componenti principali è: la matrice di correlazione La matrice di correlazione: è il punto di partenza dell'analisi fattoriale La distanza di Mahalanobis è impiegata per: identificare gli outlier multivariati Gli outlier multivariati possono essere identificati attraverso: la distanza di Mahalanobis Sono definiti outlier multivariati i soggetti che: hanno combinazioni di punteggi particolarmente rari rispetto al resto del campione Di solito sono considerati outlier i soggetti che: tutte le risposte sono corrette (scelgono sempre la stessa alternativa negli item a scelta multipla; rispondono sempre lo stesso punto della scala Likert; rispondono sempre dalla stessa parte della scala negli item straight e negli item reverse) Si definiscono outlier i casi che: hanno punteggi estremi e/o pattern di risposte incoerenti ARinché un modello di analisi fattoriale sia identificato, è necessario che: il numero di parametri da stimare sia inferiore o uguale al numero di informazioni disponibili Il pool di item da sottoporre ad analisi fattoriale deve essere stato sviluppato in modo da: tutte le alternative sono corrette (essere espressione di una solida base teorica; includere variabili che possono essere misurate in modo attendibile, cioè meno influenzabili possibili da fattori distorcenti; includere variabili che presentino un adeguato livello di correlazione reciproca) Nell'equazione di specificazione dell'Analisi delle Componenti Principali il termine di errore: è assente Il primo membro dell'equazione di specificazione dell'analisi delle componenti principali è: il punteggio nella componente Il primo membro dell'equazione di specificazione dell'analisi fattoriale esplorativa è: il punteggio standardizzato all'item Nell'analisi fattoriale esplorativa, i fattori comuni: tutte le alternative sono corrette (sono la causa dei punteggi agli item; spiegano solo la parte di varianza che gli item condividono con gli altri; sintetizzano la variabilità che ciascun item condivide con gli altri) Lezione n.29: Il numero massimo di componenti che si può estrarre con un'analisi delle componenti principali è: uguale al numero degli item inclusi nell'analisi A parità di numero di fattori estratti, le comunalità e le saturazioni fattoriali: sono inferiori nell'analisi fattoriale esplorativa, rispetto all'analisi delle componenti principali Attraverso l'analisi delle componenti principali si mira a: spiegare la varianza totale di ogni item
A seguito della rotazione obliqua dei fattori vengono prodotte: la matrice pattern e la matrice structure La rotazione dei fattori: non modifica la quantità di varianza spiegata Dopo la rotazione dei fattori: la varianza spiegata è distribuita più uniformemente tra i fattori Nella scelta del numero di fattori da estrarre in un'analisi fattoriale, il criterio da utilizzare con MAP prevede di estrarre: tutti i fattori fino a quelli a cui corrisponde il minimo valore di MAP Nella scelta del numero di fattori da estrarre in un’analisi fattoriale, il criterio da utilizzare con la Parallel Analysis prevede di estrarre: i fattori che hanno un autovalore osservato maggiore dell’autovalore simulato medio Nella scelta del numero di fattori da estrarre in una analisi fattoriale, Il criterio suggerito da Cattel per utilizzare lo scree-test suggerisce di estrarre: i fattori precedenti a quello in cui la linea spezzata si appiattisce Il grafico in cui sono rappresentati sull'asse orizzontali le componenti estratte in successione e sull'asse verticale i valori degli autovalori è: lo scree-test Quali dei seguenti sono criteri per stabilire il numero dei fattori da estrarre: Scree-test, Minimum Average Partial Correlation Statistic (MAP); Parallel Analysis Il criterio di Kaiser-Guttman è anche detto: criterio degli autovalori maggiori di 1 Quali dei seguenti sono criteri per stabilire il numero dei fattori da estrarre: Kaiser-Guttman, Scree-test, Parallel Analysis Il criterio che suggerisce di estrarre i fattori precedenti a quello in cui la linea spezzata si appiattisce è utilizzato con: lo scree-test Lezione n.31: L’analisi che permette di definire a priori su quale fattore satura ciascun item è: l'analisi fattoriale confermativa L'analisi delle componenti principali e l'analisi fattoriale esplorativa si diRerenziano: tutte le alternative sono corrette (per la varianza spiegata; per il modello di misura di riferimento; per lo scopo) L'analisi che ha lo scopo di testare uno specifico modello di misurazione in cui viene stabilito a priori il numero di fattori e su quale fattore satura ciascun item è: l'analisi fattoriale confermativa Nell'analisi fattoriale confermativa gli indici di fit permettono di stabilire: se il modello testato è adeguato ai dati
Lezione n.33: Se non vengono rispettate le assunzioni fondamentali sull'errore nella Teoria Classica dei Test: l'errore di misura è un bias La proprietà psicometrica relativa all'accuratezza con cui un test misura una certa variabile psicologica è: l'attendibilità L'attendibilità è un indice: della precisione della misura che l'insieme di item ci permette di ottenere L’attendibilità ci dice: con quanta accuratezza il test misura una variabile psicologica Competenza, integrità e responsabilità sociale sono: i principi generali ai quali deve attenersi il somministratore L’errore che si verifica in modo costante per tutte le somministrazioni è: l'errore sistematico o bias L’errore sistematico o bias è: l'errore che si verifica in modo costante per tutte le somministrazioni L'errore che si presenta in modo imprevedibile è: l'errore casuale L'errore casuale: tutte le alternative sono corrette (si presenta in modo imprevedibile; varia da prova a prova e da soggetto a soggetto; tende a distribuirsi secondo una distribuzione di probabilità normale) Secondo le assunzioni fondamentali sull'errore nella Teoria Classica dei Test, l'errore di misurazione: tutte le alternative sono corrette (è distribuito normalmente; è casuale; ha valore atteso uguale a 0 ) Secondo le assunzioni fondamentali sull'errore nella teoria classica dei test: punteggio vero ed errore di misurazione sono indipendenti tra loro Il Codice Etico della ricerca e dell'insegnamento della psicologia stabilisce che il suo amministratore, come psicologo, deve rispettare i principi di: competenza, integrità e responsabilità sociale Lezione n.34: Il coeRiciente di attendibilità può essere definito come: quota di varianza condivisa tra punteggio vero e osservato Il coeRiciente di attendibilità può essere definito come il rapporto: tra varianza del punteggio vero e varianza del punteggio osservato Quando un test è perfettamente attendibile: tutte le alternative sono corrette (il coeRiciente di attendibilità è uguale a 1; non vi è errore di misurazione; tutta la varianza del punteggio osservato è spiegabile in base al punteggio vero)
L’indice KR-20 è un indice: per stimare l'attendibilità nei test di prestazione massima che rappresenta la media di tutte le possibili attendibilità split-half Lezione n.36: Un'adeguata coerenza interna del test: è una condizione necessaria ma non suRiciente per l’unidimensionalità del test Le tre tipologie di validità di criterio sono: concorrente, predittiva e postdittiva Concorrente, predittiva e postdittiva sono tipologie di: validità di criterio La capacità di un test di predire una prestazione/classificazione del soggetto ottenuta simultaneamente al test è: validità concorrente La capacità di un test di predire una prestazione/classificazione del soggetto dopo che è trascorso del tempo, rispetto alla somministrazione del test è: validità predittiva Lezione n.37: Campbell e Fiske nel 1959 propongono: L'analisi della matrice multi-tratto e multi-metodo Messick nel 1995 ha individuato sei diversi aspetti per la validità: di costrutto Validità convergente e validità discriminante sono utilizzate per valutare: la validità di costrutto La validità convergente si dimostra verificando la presenza di: associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto Campbell e Fiske nel 1959 sostengono che per valutare la validità di un test occorre: prendere in considerazione la varianza dovuta al metodo La presenza di associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto è indicatrice di: validità convergente La validità divergente/discriminante si dimostra verificando la presenza di: correlazione trascurabili con misure di costrutti concettualmente diversi da quello in esame La validità che è definita come contenitore che racchiude tutte le fonti di evidenza empirica che supportano le interpretazioni specifiche di un punteggio, è la validità: di costrutto Lezione n.39: Per costruire una matrice multi-tratto multi-metodo occorre: tutte le alternative sono corrette (una misura di un costrutto diverso da quello in esame ottenuta con lo stesso metodo usato nel test; una misura dello stesso costrutto del test in esame ma ottenuta con un diverso metodo; una misura di un costrutto diverso da quello in esame ma ottenuta con un metodo diverso da quello usato nel test)
Gli elementi all'interno della matrice multi-tratto multi-metodo sono utilizzati per valutare: la validità convergente e la validità discriminante Quali elementi della matrice multi-tratto multi-metodo sono utilizzati per valutare la validità di costrutto: entrambe le alternative sono corrette (i coeRicienti mono-tratto etero-metodo; i coeRicienti etero-tratto mono-metodo) Nella diagonale principale della matrice multi-tratto multi-metodo è contenuta: l'attendibilità delle misure La valutazione della validità di costrutto di un test si basa sulla: matrice multi-tratto multi- metodo La matrice multi-tratto multi-metodo viene utilizzata per valutare: la validità di costrutto Lezione n.41: L'errore standard di misurazione (SEM): dipende dai dati raccolti e dal campione L'errore standard di misurazione: viene assunto uguale per ogni livello del costrutto L'errore standard di misurazione: viene assunto uguale per tutti i soggetti lLindice che permette di fare valutazioni circa la precisione del punteggio al test dei soggetti è: l'errore standard di misurazione (SEM) Nella formula per calcolare il punteggio vero di un soggetto al test V=Mx + rtt (X-Mx), rtt rappresenta: L'attendibilità del test In base alla Teoria Classica dei Test, se un test fosse somministrato infinite volte ad un soggetto: entrambe le alternative sono corrette (gli errori di misura sommerebbero a 0, se sono casuali; i punteggi si distribuirebbe secondo la distribuzione normale) In base alla Teoria Classica dei Test, quando il test è somministrato una sola volta, il punteggio osservato X: è solo uno dei possibili punteggi che un soggetto potrebbe ottenere al test La deviazione standard e gli errori di misurazione è associata ai punteggi ad un test per uno specifico gruppo di esaminandi è: l'errore standard di misurazione Se un test ha attendibilità uguale a 1, l'errore standard di misurazione: è uguale a 0 Il punteggio vero di un soggetto ad un test può essere stimato in base: punteggio osservato e attendibilità del test Attraverso il punteggio osservato di un soggetto l'indice di attendibilità è possibile: stimare il punteggio vero del soggetto al test Il punteggio vero di un soggetto al test: può essere stimato in base al punteggio osservato e all'attendibilità del test
