Spearman-Brown formel

Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 1 januari 2020; verifiering kräver 1 redigering .

Spearman-Brown-formeln (även känd som prediktionsformeln ) relaterar psykometrisk tillförlitlighet (se även psykologisk testtillförlitlighet ) till antalet frågor på ett test. Används för att beräkna tillförlitligheten för ett test efter att ha ändrat antalet frågor [1] . Metoden publicerades oberoende av Spearman och Brown 1910 [2] [3] .

Beräkning

Den förväntade tillförlitligheten beräknas enligt följande:

där N är förhållandet mellan det nya antalet uppgifter och det ursprungliga, och ρxx är det ursprungliga testets tillförlitlighet. Formeln förutsäger tillförlitligheten för ett nytt test skapat genom att multiplicera antalet frågor N gånger. Alltså, om N=2 fördubblas antalet frågor. Om N<1 förutsäger formeln en förändring i testets tillförlitlighet när antalet frågor minskar.

Beräknar antalet ändringar som behövs

Formeln kan modifieras för att beräkna antalet frågor som krävs för att uppnå en viss nivå av tillförlitlighet:

Applikation

Formeln är också användbar för att förstå det icke-linjära sambandet mellan antal frågor och tillförlitlighet. [2]

Ju närmare reliabilitetsvärdet är ett, desto fler frågor i testet.

Om det nya testfallet inte är parallellt med det ursprungliga, kommer tillförlitlighetsprognosen att vara felaktig. Till exempel, om ett mycket tillförlitligt test kompletteras med ogiltiga frågor, kommer den beräknade tillförlitligheten att vara mycket lägre än den verkliga.

Anteckningar

  1. Allen, M.; Yen W. Introduktion till mätteori  (obestämd) . Monterey, CA: Brooks/Cole, 1979. - ISBN 0-8185-0283-5 .
  2. 12 Stanley, J. (1971) . Pålitlighet. I R. L. Thorndike (Ed.), Educational Measurement . andra upplagan. Washington, DC: American Council on Education
  3. Wainer, H., & Thissen, D. (2001). Sann poängteori: Den traditionella metoden. I H. Wainer och D. Thissen, (red.), Test Scoring . Mahwah, NJ: Lawrence Erlbaum

Länkar