Théorie des tests classiques

Un test est un instrument scientifique Dans la mesure où il mesure ce qu'il entend, c'est-à-dire qu'il est valide, et il mesure bien, c'est-à-dire qu'il est nécessaire ou fiable. Si nous trouvons un instrument que nous ne pouvons pas faire confiance aux mesures qu'ils fournissent, car ils varient d'une fois à un autre lorsque nous mesurons le même objet, nous dirons qu'il n'est pas fiable. Un instrument, pour mesurer correctement Quelque chose, il doit être précis, car sinon, mesurez quelle mesure, elle la mesurera mal. Par conséquent, être nécessaire est une condition nécessaire mais pas suffisante. De plus, il doit être valide, c'est-à-dire quelles mesures avec précision seront ce qui est destiné à mesurer, et rien d'autre.

Fiabilité:

Fiabilité absolue et relative: nous pouvons résoudre le problème de la fiabilité d'un test de deux manières différentes, bien que dans le contexte de coïncidence.

La fiabilité en tant qu'inexactitude de ses mesures: lorsqu'un sujet répond à un test obtient un score empirique, qui est affecté par une erreur. S'il n'y avait pas d'erreur, le sujet obtiendrait son véritable score. Le test est inexact car le score empirique ne correspond pas au score réel authentique. Cette différence entre les deux scores est l'erreur de l'échantillon, l'erreur de mesure. Il Erreur de mesure typique être L'écart typique des erreurs de mesure. Il Erreur de mesure typique Indique la précision absolue du test, car il permet d'estimer la différence entre la mesure obtenue et celle qui serait obtenue s'il n'y avait pas d'erreur.

Fiabilité comme stabilité des mesures: un test sera plus fiable, plus les résultats qu'ils fournissent plus constants ou stables lorsqu'ils sont répétés. Plus les résultats sont stables deux fois, plus la corrélation entre eux est grande. Cette corrélation est appelée coefficient de fiabilité. Cela nous exprime, pas la quantité d'erreur, mais la cohérence du test lui-même et la preuve des informations qu'il offre. Il coefficient de fiabilité exprime la fiabilité relative du test.

Le coefficient de fiabilité et l'indice de fiabilité: - Le coefficient de fiabilité d'un test est la corrélation du test lui-même, obtenu par exemple, sous deux formes parallèles: rxx. - L'indice de précision C'est la corrélation entre les scores empiriques d'un test et ses véritables scores: RXV L'indice de précision sera toujours supérieur au coefficient de fiabilité pour découvrir que le coefficient de fiabilité est de mettre en évidence ces trois méthodes classiques:

• Trouver la corrélation entre le test et sa répétition: la méthode de répétition ou la méthode du test-retest: il consiste à appliquer le même test deux fois deux fois et la corrélation entre les deux séries de scores est calculé. Cette corrélation est le coefficient de fiabilité. Cette méthode donne généralement un coefficient de fiabilité plus élevé que ceux obtenus par d'autres procédures, et peut être contaminé par les facteurs dérangeants.
• Trouvez la corrélation entre deux formes parallèles du test: la méthode des formes parallèles: deux formes parallèles du même test sont préparées, c'est-à-dire deux formes équivalentes qui donnent les mêmes informations et s'appliquent au même groupe de sujets. La corrélation entre les deux formes est le coefficient de fiabilité. Avec cette méthode, le même test n'est pas répété, les sources inquiétantes de la fiabilité de re-test sont évitées.
• Trouvez la corrélation entre deux moitiés parallèles du test: la méthode des deux moitiés: le test est divisé en deux moitiés équivalentes et la corrélation entre eux est trouvée. C'est la méthode préférable, car elle est simple et évite les limites des procédures précédentes. Vous pouvez choisir les éléments étranges du test, pour constituer une moitié et les éléments pair pour constituer l'autre.

Le coefficient de fiabilité et la corrélation entre les tests parallèles

Il coefficient de fiabilité d'un test indique la proportion que la véritable variance est de la variance empirique: Graphique33 Le coefficient de fiabilité d'un test varie entre 0 et 1 . Par exemple: si la corrélation entre deux tests parallèles est rxx´ = 0'80, cela signifie que 80% de la variance du test est due à la mesure authentique, et le reste, c'est-à-dire 20% de la variance de la variance de la Le test est dû à une erreur. Il indice de fiabilité d'un test est la corrélation entre ses scores empiriques et sa véritable fiabilité de l'indice des scores = l'indice de fiabilité est égal à la racine carrée du coefficient de fiabilité

Une fois que deux formes parallèles d'un test ont été élaborées, la procédure d'analyse de variance pour vérifier l'homogénéité des variances et la différence entre les mesures est appliquée. Si les variances sont homogènes, la différence entre les bas n'est pas significative et les deux formes sont construites avec le même nombre d'éléments du même type et du même contenu psychologique, il peut être affirmé qu'ils sont parallèles. Sinon, vous devez les réformer jusqu'à ce qu'ils soient. L'absence de fiabilité est identifiée avec la valeur rxx´ = 0 4.- L'erreur de mesure typique: la différence entre le score empirique et le score vrai est l'erreur aléatoire, appelée erreur de mesure. L'écart typique des erreurs de mesure est appelée l'erreur typique de la mesure. Il Erreur de mesure typique Permet des estimations de la fiabilité absolue du test, c'est-à-dire en estimant la quantité d'erreur de mesure affecte un score.

Fiabilité et longueur: la durée du test se réfère au nombre de ses éléments. Cette longueur dépend de votre fiabilité. Si un test se compose de trois éléments, un sujet peut obtenir un score de 1 et un autre, ou sous une forme parallèle, un score de

D'une occasion à l'autre, le score a varié un point; Un point sur trois est une variation de 33%, une variation élevée. Si les sujets obtiennent des variations occasionnelles de ce type, la corrélation du test lui-même ou de celle des deux formes parallèles du test sera très réduite et ne peut pas être élevée. Si le test est beaucoup plus long, s'il a, par exemple, 100 éléments, un sujet peut obtenir 70 points à une occasion et 67 sous une forme parallèle. Encore une fois, il a varié 3 points; Il s'agit d'une variance relativement faible par rapport au test total, en particulier de 3%. Ces petites altérations occasionnelles de cette ampleur, qui se produisent dans les sujets des sujets, lorsqu'ils passent d'une manière au parallèle, sont relativement peu importants et ne diminueront pas autant qu'avant la corrélation entre les deux.

Le coefficient de fiabilité sera beaucoup plus élevé que dans le cas précédent. L'équation Spearman-Brown exprime la relation entre la fiabilité et la longueur. La précision d'un test est vide lorsque la longueur est de 0, et elle augmente à mesure que la longueur augmente. Bien que l'augmentation soit relativement plus faible car la longueur est plus élevée. Cela signifie que la précision augmente beaucoup au début et relativement moins. Lorsque la longueur tend à l'infini, le coefficient de fiabilité tend à

En augmentant la durée d'un test, sa précision augmente parce que la véritable variance augmente à un taux plus élevé que la variance d'erreur. Cela signifie que la précision du test augmente car la proportion de variance due à l'erreur diminue. La formule Rulon, ainsi que la formule Flanagan et Guttman, sont particulièrement applicables lorsque le coefficient de fiabilité est calculé par les deux moitiés. Ce sont des formules utilisées pour le calcul du coefficient de fiabilité.

Fiabilité et cohérence: le coefficient de fiabilité peut également être trouvé d'une autre manière, c'est le SO coefficient alpha soit Coefficient de généralisation ou de représentativité (Cronbach). Ce coefficient alpha indique la précision avec laquelle certains éléments mesurent un aspect de la personnalité ou du comportement. Il peut être interprété comme: une estimation de la corrélation moyenne de tous les éléments possibles dans un certain aspect. Une mesure de la précision du test en fonction de sa cohérence ou de sa cohérence interne (interrelation entre ses éléments; dans quelle mesure les éléments du test se mesurent tout de même) et sa longueur. Indiquant la représentativité du test, c'est-à-dire le montant dans lequel l'échantillon d'éléments qui le compose est représentatif de la population d'éléments possibles du même type et du même contenu psychologique. Il coefficient alpha reflète principalement deux concepts de base dans la précision d'un test: 1. L'interrelation entre ses éléments: la mesure dans laquelle tout le monde mesure bien la même chose.

La durée du test: en augmentant le nombre de cas d'un échantillon, et si des erreurs systématiques sont éliminées, l'échantillon représente mieux la population qui est extraite et est plus peu susceptible d'intervenir l'erreur occasionnelle. Si les éléments du test sont la dichotomique (oui ou non, 1 ou 0, accord ou désaccord, etc.), l'équation du coefficient alpha est simplifiée, donnant naissance aux équations des équations Kuder-Richardson (KR20 et KR21). Compte tenu d'un certain nombre d'articles, un test sera d'autant plus fiable, plus. Le coefficient alpha indique la fiabilité dès qu'elle représente l'homogénéité et la cohérence ou la cohérence interne des éléments d'un test.

Normes et critères de fiabilité

Selon le modèle d'espace d'échantillon d'élément, l'objectif du test est d'estimer la mesure qui serait obtenue si tous les éléments de l'espace d'échantillonnage étaient utilisés. Cette mesure serait le véritable score, à laquelle les mesures réelles approchent plus ou moins. Selon la mesure dans laquelle un échantillon d'éléments est en corrélation avec les vrais scores, le test est plus ou moins fiable. Dans ce modèle, la matrice de corrélation entre tous les éléments de l'espace d'échantillon est centrale.Ce modèle d'échantillon insiste plus directement sur la cohérence interne, et dans la mesure où elle y parvient, il garantit indirectement la stabilité.

Le modèle linéaire des tests parallèles insiste davantage sur la stabilité des scores, et dans la mesure où il atteint la stabilité, favorise indirectement la cohérence interne. Si nous appliquons un test pour établir des diagnostics et des prévisions individuels, le coefficient de fiabilité doit être de 0,90. Dans les prévisions et classifications collectives, la demande n'est pas ainsi.

Parfois, dans un certain type de tests, comme la personnalité, il est difficile d'obtenir des coefficients de plus de 0'70. Si des formes parallèles ou des moitiés parallèles sont appliquées, après un intervalle plus ou moins important, les erreurs occasionnelles peuvent être plus nombreuses que celles qui affectent le coefficient alpha. En effet, ce qui réduit la corrélation n'est pas seulement les erreurs aléatoires intrinsèques au test et en une seule fois, qui sont celles qui prennent en compte le coefficient alpha, mais influencent également toutes les erreurs qui peuvent provenir des deux situations différentes, qui peut différer dans de nombreux détails. Par conséquent, le coefficient alpha est généralement supérieur aux autres coefficients.

À l'exception du coefficient trouvé par répétition du même test, car il est plus probable que les erreurs aléatoires de la première application soient répétées dans la seconde, et au lieu de réduire la corrélation entre les deux, ils l'augmentent. Il faut s'assurer que la deuxième application est complètement indépendante du premier. Si nous y parvenons, ce sera la méthode la plus simple et la plus économique et recommandable lorsque vous essayez d'apprécier la stabilité des scores, en particulier pendant de longues périodes et avec des tests complexes. > Suivant: validité des tests

Cet article est simplement informatif, en psychologie-online, nous n'avons pas de pouvoir pour poser un diagnostic ou recommander un traitement. Nous vous invitons à aller chez un psychologue pour traiter votre cas particulier.

Si vous souhaitez lire plus d'articles similaires à Théorie des tests classiques, Nous vous recommandons d'entrer dans notre catégorie de psychologie expérimentale.