42-48 psicometria new

La meta-analisi. nessuna delle alternative. entrambe le alternative. è uno studio di studi. analizza gli studi già pubblicati su un tema.

Valutare la forza della relazione tra variabili emersa in molti studi è l'obiettivo. della meta-analisi. dei test non parametrici. dell'analisi della varianza. della regressione.

Valutare l'influenza di varie caratteristiche degli studi già svolti (es. campione, metodo) sulla forza della relazione tra variabili è l'obiettivo. della meta-analisi. della regressione. dell'analisi della varianza. dei test non parametrici.

La tecnica che permette di analizzare il modello dei risultati di una serie di studi pubblicati e non pubblicati su una ipotesi di ricerca è. l'inferenza statistica. la significatività statistica. la regressione. la meta-analisi.

Gli studi selezionati per la meta-analisi possono essere. a favore o a sfavore dell'ipotesi di ricerca. non pertinenti all'ipotesi di ricerca. solo a favore dell'ipotesi di ricerca. solo a sfavore dell'ipotesi di ricerca.

In una meta-analisi è bene includere uno studio. se conferma o contraddice l'ipotesi di ricerca. solo se contraddice l'ipotesi di ricerca. solo se non è pertinente all'ipotesi di ricerca. solo se conferma l'ipotesi di ricerca.

In una meta-analisi è bene includere uno studio. entrambe le alternative. nessuna delle alternative. se conferma l'ipotesi di ricerca. se contraddice l'ipotesi di ricerca.

In una meta-analisi è bene includere. sia gli studi pubblicati che quelli non pubblicati. solo gli studi pubblicati. solo gli studi non pubblicati. solo gli studi di autori noti.

Il concetto centrale nella meta-analisi è. la dimensione dell'effetto. la distribuzione normale. il numero di studi utilizzati. il campionamento.

La dimensione dell'effetto. è il concetto centrale nella meta-analisi. non coincide con la significatività statistica. riguarda quanto è grande l'effetto di una variabile sull'altra. tutte le alternative.

La dimensione dell'effetto. può essere calcolata con la d di Cohen. corrisponde alla significatività statistica. non può essere misurata. non è usata nella meta-analisi.

nella meta-analisi, l'uso del coefficiente di correlazione è consigliato perché. entrambe le alternative. nessuna delle alternative. può essere calcolato a partire da una varietà di test di significatività. è più flessibile della d di Coehn.

In una meta-analisi, si può calcolare la dimensione dell'effetto di uno studio. trasformando in punti z il livello di significatività. dividendo il livello di significatività per la d di Cohen. calcolando la radice quadrata del livello di significatività. moltiplicando per N il livello di significatività.

In una meta-analisi, per calcolare la dimensione dell'effetto di ciascuno studio si può usare. la grandezza dell'effetto riportata nello studio. il livello di significatività e la dimensione del campione. il risultato del t-test. tutte le alternative.

Le meta-analisi cercano di stimare quali caratteristiche degli studi. entrambe le alternative. sono responsabili di piccole dimensioni dell'effetto. nessuna delle alternative. sono responsabili di grandi dimensioni dell'effetto.

Affinché possa essere utilizzato in una meta-analisi uno studio deve riportare almeno. il livello di significatività e la dimensione del campione. il genere e l'età dei partecipanti. solo la dimensione del campione. solo il livello di significatività.

In una meta-analisi la dimensione dell'effetto può essere valutata. entrambe le alternative. con la deviazione standard. nessuna delle alternative. con l'alfa di Cronbach.

In una meta-analisi la dimensione dell'effetto può essere valutata. con la d di Cohen. entrambe le alternative. con il coefficiente di correlazione. nessuna delle alternative.

La coerenza interna di una scala psicologica può essere misurata con. tutte le alternative. l'alfa di Cronbach. la correlazione tra singolo item e punteggio totale. il metodo split-half.

Verificare se le componenti di una scala psicologica stanno misurando la stessa cosa è l'obiettivo. dell'analisi di affidabilità. dell'analisi della potenza statistica. dell'analisi della varianza. della meta-analisi.

L'indice kappa è utilizzato per misurare. la concordanza tra valutatori. la difficoltà delle misure. la varianza delle misure. la coerenza interna.

Per misurare la concordanza tra valutatori si utilizza. l'indice kappa. la correlazione item totale. l'alfa di Cronbach. l'affidabilità split-half.

Un indice della concordanza tra valutatori dovrebbe. entrambe le alternative. nessuna delle alternative. fornire un'indicazione della sovrapposizione tra le valutazioni. essere sensibile al fatto che i valutatori non variano i loro giudizi.

La media di tutte le possibili affidabilità split-half che potrebbero essere calcolate per una scala è. l'alfa di Cronbach. la correlazione item totale. l'affidabilità split-half. il coefficiente eta.

L'affidabilità che correla il punteggio totale su metà item con il punteggio totale sull'altra metà degli item è detta. split-half. correlazione item totale. coefficiente di determinazione. coefficiente eta.

Se una scala di misura è dotata di coerenza interna ciascun item. dovrebbe essere correlato con gli altri item della misura. non dovrebbe essere correlato con il punteggio totale. non dovrebbe essere correlato con gli altri item della misura. dovrebbe essere correlato con un solo altro item.

Il risultato dell'affidabilità misurata con l'alfa di Cronbach. non dipende dal modo in cui abbiamo suddiviso gli item. prevede la correlazione di un item con il punteggio totale. dipende dalla significatività statistica. dipende dal modo in cui abbiamo suddiviso gli item.

Il risultato dell'affidabilità split-half. prevede la correlazione di un item con il punteggio totale. non dipende dal modo in cui abbiamo suddiviso gli item. dipende dal modo in cui abbiamo suddiviso gli item. non prevede una suddivisione degli item.

Il metodo split-half viene utilizzato per misurare. l'affidabilità. la potenza statistica. la significatività. la validità.

Il coefficiente alfa di Cronbach misura. l'affidabilità. la validità. la potenza statistica. la significatività.

La correlazione tra singolo item e punteggio totale su una scala psicologica è un modo per misurare. l'affidabilità. la significatività. la potenza statistica. la validità.

Per misurare la dimensione degli effetti in una ANOVA si utilizza. l'alfa di Cronbach. il coefficiente eta. la devianza. la varianza.

L'affidabilità come coerenza interna riguarda. quanto le componenti di una scala psicologica misurano la stessa cosa. quanto i soggetti valutano credibile una scala psicologica. quanto è stabile nel tempo una scala psicologica nel tempo. quanto è valida una scala psicologica.

Per calcolare l'intervallo di confidenza è necessario conoscere. l'errore standard. la dimensione dell'effetto. la potenza statistica. la mediana.

I valori statisticamente significativi sono quelli. compresi all'interno dell'intervallo di confidenza. non compresi all'interno dell'intervallo di confidenza. che non hanno a che fare con gli intervalli di confidenza. nessuna delle alternative.

L'insieme dei valori che al 95% includono la 'vera' media della popolazione è. l'intervallo di confidenza al 95%. la potenza statistica al 95%. l'affidabilità dei valori al 95%. il range dei valori al 95%.

A minore variabilità nei dati corrisponderà. minor ampiezza dell'intervallo di confidenza. maggiore ampiezza dell'intervallo di confidenza. minore ampiezza della media. maggiore ampiezza della media.

Un intervallo di confidenza è un insieme di valori. all'intero del quale è più probabile che giaccia il valore della popolazione. che definiscono l'affidabilità di una scala di misura. che definiscono il range di una distribuzione. che indicano la dimensione dell'effetto di uno studio.

La potenza statistica di uno studio aumenta. tutte le alternative. se aumenta il livello di significatività. se aumenta la dimensione dell'effetto. se aumenta la grandezza del campione.

All'aumentare della grandezza del livello di significatività. aumenta la probabilità di commettere un errore di I tipo. diminuisce la potenza statistica. aumenta la probabilità di commettere un errore di II tipo. diminuisce la probabilità di commettere un errore di I tipo.

La potenza statistica diminuisce. se diminuisce la grandezza del campione. se diminuisce il livello di significatività. tutte le alternative. se diminuisce la dimensione dell'effetto.

La potenza statistica è collegata a. la dimensione dell'effetto. tutte le alternative. l'ampiezza dei campioni. il livello di significatività.

All'aumentare della dimensione dell'effetto. la potenza statistica aumenta. la potenza statistica diminuisce. la potenza statistica rimane invariata. nessuna delle alternative.

La potenza statistica è l'inverso. dell'errore di II tipo. dell'errore di I tipo. della dimensione dell'effetto. della significatività.

La probabilità che una ricerca sia in grado di rilevare un effetto nel campione selezionato quando l'effetto esiste (nella popolazione statistica) è. la potenza statistica. la significatività statistica. la distribuzione normale. la distribuzione binomiale.

L'errore di I tipo è la probabilit. di concludere che c'è un effetto quando in realtà non c'è. di concludere che c'è un effetto che in realtà c'è. di concludere che non c'è un effetto che in realtà non c'è. di concludere che non c'è un effetto quando in realtà c'è.

All'aumentare della grandezza del livello di significatività. la potenza statistica aumenta. la potenza statistica diminuisce. nessuna delle alternative. la potenza statistica rimane invariata.

L'errore di II tipo è la probabilità. di concludere che non c'è un effetto quando in realtà c'è. di concludere che c'è un effetto che in realtà c'è. di concludere che non c'è un effetto che in realtà non c'è. di concludere che c'è un effetto quando in realtà non c'è.

La probabilità di concludere che non c'è un effetto quando in realtà c'è è detta. errore di II tipo. nessuna delle alternative. potenza statistica. errore di I tipo.

La probabilità di concludere che c'è un effetto quando in realtà non c'è è detta. errore di II tipo. errore di I tipo. potenza statistica. nessuna delle alternative.

L'errore di II tipo è l'inverso. della potenza statistica. della dimensione dell'effetto. dell'errore di I tipo. della significatività.

Si considera adeguato un valore di potenza statistica di. 0.001. 0.05. 0.3. 0.8.

La numerosità campionaria ottimale dipende. entrambe le alternative. nessuna delle alternative. dalla dimensione dell'effetto dello studio. da quanto siamo disposti a rischiare in termini di errore di I e II tipo.

La dimensione dell'effetto e l'entità dell'errore di I e di II tipo determinano. la numerosità campionaria ottimale. la numerosità degli item di una scala di misura. la numerosità di studi da includere in una meta-analisi. la numerosità delle analisi statistiche da eseguire.

L'errore di I tipo si verifica quando. entrambe le alternative. si conclude che c'è un effetto quando in realtà non c'è. viene rilevato un andamento nei dati che è in realtà casuale. nessuna delle alternative.

L'errore di II tipo si verifica quando. viene attribuito al caso un andamento nei dati che è reale. di concludere che non c'è un effetto quando in realtà c'è. nessuna delle alternative. entrambe le alternative.

All'aumentare della grandezza del campione. la potenza statistica aumenta. la potenza statistica rimane invariata. nessuna delle alternative. la potenza statistica diminuisce.