Spearman-brown ဖော်မြူလာ- အဓိပ္ပါယ်နှင့် ဥပမာ

စမ်းသပ်မှုကြာချိန်ကို ပြောင်းလဲပြီးနောက် စမ်းသပ်မှုတစ်ခု၏ ယုံကြည်စိတ်ချရမှုကို ခန့်မှန်းရန် Spearman-Brown ဖော်မြူလာကို အသုံးပြုသည်။

ဖော်မြူလာမှာ-

ခန့်မှန်းထားသည့် ယုံကြည်စိတ်ချရမှု = kr / (1 + (k-1)r)

ရွှေ-

• k : စာမေးပွဲကြာချိန်ကို ပြုပြင်ထားသည့်အချက်။ ဥပမာအားဖြင့်၊ မူလစာမေးပွဲတွင် မေးခွန်း 10 ခုရှိပြီး စာမေးပွဲအသစ်တွင် မေးခွန်း 15 ခုပါလျှင် k = 15/10 = 1.5 ဖြစ်သည် ။
• r : မူရင်းစမ်းသပ်မှု၏ ယုံကြည်စိတ်ချရမှု။ ဤအတွက် ကျွန်ုပ်တို့ ပုံမှန်အားဖြင့် Cronbach’s Alpha ကို အသုံးပြုသည်၊ ၎င်းသည် 0 နှင့် 1 အကြား တန်ဖိုးဖြစ်ပြီး ပိုမိုမြင့်မားသော ယုံကြည်စိတ်ချရမှုကို ညွှန်ပြသော မြင့်မားသောတန်ဖိုးများဖြင့် အသုံးပြုသည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤဖော်မြူလာကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ- Spearman-Brown ဖော်မြူလာကို အသုံးပြုနည်း

ကုမ္ပဏီတစ်ခုသည် ဝန်ထမ်းများ၏ စိတ်ကျေနပ်မှုကို အကဲဖြတ်ရန် အချက် 15 ချက်စမ်းသပ်မှုကို အသုံးပြုပြီး စစ်ဆေးမှုတွင် ယုံကြည်စိတ်ချရမှု 0.74 ရှိသည်ဟု သိရှိရပါသည်။

ကုမ္ပဏီသည် စမ်းသပ်မှု၏ အရှည်ကို ပစ္စည်း 30 သို့ တိုးမြှင့်ပါက၊ စမ်းသပ်မှုအသစ်၏ ခန့်မှန်းယုံကြည်နိုင်မှုမှာ အဘယ်နည်း။

ခန့်မှန်းထားသော ယုံကြည်စိတ်ချရမှုကို တွက်ချက်ရန် Spearman-Brown ဖော်မြူလာကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။

• ခန့်မှန်းထားသည့် ယုံကြည်စိတ်ချရမှု = kr / (1 + (k-1)r)
• ခန့်မှန်းထားသည့် ယုံကြည်စိတ်ချရမှု = 2*.74 / (1 + (2-1)*.74)
• ခန့်မှန်းယုံကြည်မှု = 0.85

စမ်းသပ်မှုအသစ်တွင် 0.85 ရှိသည်ဟု ခန့်မှန်းထားသည်။

မှတ်ချက် – k ကို 30/15 = 2 အဖြစ် တွက်ပါသည်။

Spearman-Brown ဖော်မြူလာကို အသုံးပြုခြင်းနှင့် ပတ်သက်၍ ကြိုတင်ကာကွယ်မှုများ

Spearman-Brown ဖော်မြူလာကို အခြေခံ၍ စမ်းသပ်မှု တစ်ခုတွင် ပစ္စည်းအရေအတွက် တိုးလာခြင်းသည် စမ်းသပ်မှု၏ ခန့်မှန်းယုံကြည်စိတ်ချရမှုကို တိုးမြင့်လာစေမည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် ယခင်နမူနာတွင် 15 မှ 16 မှ 16 အထိ စမ်းသပ်သည့်အရာအရေအတွက်ကို တိုးမည်ဆိုပါစို့။ ထို့နောက် k ကို 16/15 = 1.067 အဖြစ် တွက်ချက်ပါမည်။

ခန့်မှန်းထားသော ယုံကြည်စိတ်ချရမှုသည်-

• ခန့်မှန်းထားသည့် ယုံကြည်စိတ်ချရမှု = kr / (1 + (k-1)r)
• ခန့်မှန်းထားသည့် ယုံကြည်စိတ်ချရမှု = 1.067*.74 / (1 + (1.067-1)*.74)
• ခန့်မှန်းယုံကြည်စိတ်ချရ = 0.752

စမ်းသပ်မှုအသစ်တွင် ခန့်မှန်းယုံကြည်နိုင်မှု 0.752 ရှိပြီး မူလစမ်းသပ်မှု၏ ယုံကြည်စိတ်ချရမှု 0.74 ထက် ပိုမိုမြင့်မားသည်။

ဤယုတ္တိကိုအသုံးပြုခြင်းဖြင့်၊ ကျွန်ုပ်တို့သည် ယုံကြည်စိတ်ချရမှုကို 1 သို့ပိုမိုနီးကပ်စွာတွန်းပို့နိုင်သောကြောင့် ပစ္စည်းများအများအပြားဖြင့်စမ်းသပ်မှုကြာချိန်ကို တိုးမြှင့်ခြင်းသည် ကောင်းမွန်သောစိတ်ကူးတစ်ခုဖြစ်သည်ဟု ကျွန်ုပ်တို့ယူဆနိုင်ပါသည်။

သို့သော်၊ ကျွန်ုပ်တို့သည် အောက်ပါတို့ကို မှတ်သားထားရပါမည်။

1. ပစ္စည်းများစွာကို အလွန်အကျွံအသုံးပြုခြင်းသည် ပင်ပန်းနွမ်းနယ်မှုကို ဖြစ်စေနိုင်သည်။

စာမေးပွဲတစ်ခုတွင် မေးခွန်းများလွန်းပါက၊ တစ်ဦးချင်းစီသည် မေးခွန်းများ ပိုများလာကာ ဖြေဆိုရာတွင် ပင်ပန်းလာကာ စာမေးပွဲဆက်လက်လုပ်ဆောင်လာသည်နှင့်အမျှ ယုံကြည်စိတ်ချရမှုနည်းသော အဖြေများထွက်လာနိုင်မည်ဖြစ်သည်။

2. စမ်းသပ်မှုတွင် ထည့်သွင်းထားသော ပစ္စည်းအသစ်များသည် ရှိပြီးသားအရာများကဲ့သို့ အခက်အခဲရှိရမည်။

စမ်းသပ်မှုတစ်ခု၏ကြာချိန်ကို တိုးမြှင့်ရန် ဆုံးဖြတ်ပါက၊ ကျွန်ုပ်တို့ထည့်သွင်းထားသော အရာ/မေးခွန်းအသစ်များသည် ရှိပြီးသားအရာများနှင့် တူညီသောအခက်အခဲရှိကြောင်း သေချာစေရန်အတွက် အရေးကြီးပါသည်၊ မဟုတ်ပါက ခန့်မှန်းထားသော ယုံကြည်စိတ်ချရမှုသည် တိကျမည်မဟုတ်ပါ။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် စာရင်းဇယားများတွင် အသုံးများသော အခြား အသုံးအနှုန်းများကို ရှင်းပြသည်-

အတွင်းပိုင်းညီညွတ်မှုဆိုတာဘာလဲ။
ယုံကြည်စိတ်ချရမှုဆိုတာ ဘာလဲ ?
စမ်းသပ်မှု-ပြန်လည်စမ်းသပ်မှု ယုံကြည်စိတ်ချရမှုဟူသည် အဘယ်နည်း။
Parallel Form များ၏ ယုံကြည်စိတ်ချရမှုသည် အဘယ်နည်း။