SlideShare a Scribd company logo
1 of 26
科學教育研究法 教育研究法的基本要項  - 工具的選用與編製、信度與效度 陳冠中 3/30/2010
基本概念 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
測量工具的類型 ,[object Object],[object Object],[object Object],[object Object],[object Object]
測量工具的類型 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
良好測驗 / 工具的指標 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
基本概念:原始分數與衍生分數 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
全國兒童及青少年閱讀年齡當量分數 10-6 10-8 11-2 11-8 12-1 12-6 12-8 12-11 13-5 13-11 14-5 15-1 13 14 15 16 17 18 19 20 21 22 23 24 7-8 7-10 7-11 8-1 8-5 8-7 8-9 9-0 9-2 9-6 9-9 10-2 10-4 0 1 2 3 4 5 6 7 8 9 10 11 12 閱讀年齡 原始分數 閱讀年齡 原始分數
百分等級  (percentile rank) Pr = 100 * (比該分數低的學生人數+所有與該分數相同人數) / 所有參加測驗的人數
 
標準分數 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
 
信、效度 ,[object Object],[object Object],[object Object],[object Object],哪一個是 “有效” 的測量工具? 換言之,體重計比身高器及釣竿具有測量身高的 效度
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],哪一台體重計比較『準』,數據比較可靠與可信? 換言之,體重計 B 比體重計 A 具有較高的 信度 家裡有兩台體重計,小強分別量了三次 體重計 A 體重計 B
但是,我們可以用『很準』的體重計 B 來測 小強的身高嗎? 信度和效度都很重要, 但,哪一個比較重要? 體重計 B
教育研究法的基本要項 – 信度   ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
折半信度  (split-half reliability)
庫李信度
α 係數  (Cronbach  α )
信度的判準 ,[object Object],[object Object],[object Object],[object Object]
沒有信度的原因 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
增加信度的方法 ,[object Object],[object Object],[object Object],[object Object],[object Object]
運用 SPSS  計算信度
教育研究法的基本要項 – 效度   ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
沒有效度的原因 ,[object Object],[object Object],[object Object]
增加效度的方法 ,[object Object],[object Object],[object Object]
量表的編製 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]

More Related Content

What's hot

服務品質度量方法-SERVQUAL量表
服務品質度量方法-SERVQUAL量表服務品質度量方法-SERVQUAL量表
服務品質度量方法-SERVQUAL量表Zoe Hsieh
 
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデルSEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデルMasaru Tokuoka
 
質性研究的紮根理論研究設計與結果
質性研究的紮根理論研究設計與結果質性研究的紮根理論研究設計與結果
質性研究的紮根理論研究設計與結果Yunhua Pao
 
Random Forest Intro [랜덤포레스트 설명]
Random Forest Intro [랜덤포레스트 설명]Random Forest Intro [랜덤포레스트 설명]
Random Forest Intro [랜덤포레스트 설명]Hyunwoo Kim
 
【技術解説20】 ミニバッチ確率的勾配降下法
【技術解説20】 ミニバッチ確率的勾配降下法【技術解説20】 ミニバッチ確率的勾配降下法
【技術解説20】 ミニバッチ確率的勾配降下法Ruo Ando
 
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門Yu Tamura
 
統計勉強会 分割表とカイ二乗検定
統計勉強会 分割表とカイ二乗検定統計勉強会 分割表とカイ二乗検定
統計勉強会 分割表とカイ二乗検定Satoshi Nagayasu
 
差分の差分法(Difference-in-Difference)
差分の差分法(Difference-in-Difference)差分の差分法(Difference-in-Difference)
差分の差分法(Difference-in-Difference)Jaehyun Song
 
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料nishioka1
 
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するかSAKAUE, Tatsuya
 
SEMのやり方 改訂版
SEMのやり方 改訂版SEMのやり方 改訂版
SEMのやり方 改訂版Shota Yuasa
 
エクセルで統計分析3 回帰分析のやり方
エクセルで統計分析3 回帰分析のやり方エクセルで統計分析3 回帰分析のやり方
エクセルで統計分析3 回帰分析のやり方Hiroshi Shimizu
 
Anova君を使った分散分析
Anova君を使った分散分析Anova君を使った分散分析
Anova君を使った分散分析Takashi Yamane
 
Sports Analytics
Sports AnalyticsSports Analytics
Sports AnalyticsMark Conway
 
工作圈上課講義
工作圈上課講義工作圈上課講義
工作圈上課講義5045033
 
MIXUPは最終層でやった方がいいんじゃないか説
MIXUPは最終層でやった方がいいんじゃないか説MIXUPは最終層でやった方がいいんじゃないか説
MIXUPは最終層でやった方がいいんじゃないか説亮宏 藤井
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
 

What's hot (20)

服務品質度量方法-SERVQUAL量表
服務品質度量方法-SERVQUAL量表服務品質度量方法-SERVQUAL量表
服務品質度量方法-SERVQUAL量表
 
Inquisit
InquisitInquisit
Inquisit
 
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデルSEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
 
質性研究的紮根理論研究設計與結果
質性研究的紮根理論研究設計與結果質性研究的紮根理論研究設計與結果
質性研究的紮根理論研究設計與結果
 
Random Forest Intro [랜덤포레스트 설명]
Random Forest Intro [랜덤포레스트 설명]Random Forest Intro [랜덤포레스트 설명]
Random Forest Intro [랜덤포레스트 설명]
 
【技術解説20】 ミニバッチ確率的勾配降下法
【技術解説20】 ミニバッチ確率的勾配降下法【技術解説20】 ミニバッチ確率的勾配降下法
【技術解説20】 ミニバッチ確率的勾配降下法
 
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
 
分類分析 (taxometric analysis)
分類分析 (taxometric analysis)分類分析 (taxometric analysis)
分類分析 (taxometric analysis)
 
RとStanで分散分析
RとStanで分散分析RとStanで分散分析
RとStanで分散分析
 
統計勉強会 分割表とカイ二乗検定
統計勉強会 分割表とカイ二乗検定統計勉強会 分割表とカイ二乗検定
統計勉強会 分割表とカイ二乗検定
 
差分の差分法(Difference-in-Difference)
差分の差分法(Difference-in-Difference)差分の差分法(Difference-in-Difference)
差分の差分法(Difference-in-Difference)
 
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
 
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか
 
SEMのやり方 改訂版
SEMのやり方 改訂版SEMのやり方 改訂版
SEMのやり方 改訂版
 
エクセルで統計分析3 回帰分析のやり方
エクセルで統計分析3 回帰分析のやり方エクセルで統計分析3 回帰分析のやり方
エクセルで統計分析3 回帰分析のやり方
 
Anova君を使った分散分析
Anova君を使った分散分析Anova君を使った分散分析
Anova君を使った分散分析
 
Sports Analytics
Sports AnalyticsSports Analytics
Sports Analytics
 
工作圈上課講義
工作圈上課講義工作圈上課講義
工作圈上課講義
 
MIXUPは最終層でやった方がいいんじゃないか説
MIXUPは最終層でやった方がいいんじゃないか説MIXUPは最終層でやった方がいいんじゃないか説
MIXUPは最終層でやった方がいいんじゃないか説
 
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천
 

信度與效度、工具的選用與編製

Editor's Notes

  1. 資料提供者… ex: TPCK 自評、學生評、專家評、同儕評 Q: Which is a better method?
  2. 成就 – 通常為學科表現或技能 性向 - 個人的潛在能力 態度 – 個人對事物的看法與感覺 人格 –個人的習性傾向 投射 - 不直接測量,而是讓個人對抽象圖畫的解釋來找出其人格特質 創造力 – 個人對事物的創新看法
  3. 常模:某一特定群體(全班、全國、全世界)在該測量工具下所表現得分數分佈型態 常模的建立
  4. 舉例說明
  5. 我想我的父親對我不錯
  6. 效度:該工具能夠有效測量標的物嗎? ex: 能否用磅秤來量國中生的身高?