Teorie e tecniche dei test 31-47

A cosa serve la formula profetica di Spearman-Brown?. a stimare quale sarebbe l'attendibilità del test se venisse aggiunto un certo numero di item paralleli. a stimare quale sarebbe l'attendibilità del test se venisse tolto un certo numero di item paralleli. a valutare la correlazione tra gli item. a stimare quale sarebbe l'attendibilità del test se venisse aggiunto o tolto un certo numero di item paralleli.

L'indice che viene utilizzato per la stima dell'attendibilità mediante una somministrazione è: il coefficiente di determinazione. il chi quadrato. il coefficiente di Pearson. l'alpha di Cronbach.

Il valore ottimale dell'alpha di Cronbach è: tra 0,60 e 0,70. tra 0,80 e 0,90. ?0,90. 0.50.

Nell'analisi della coerenza interna bisogna considerare: l'alpha senza item. la correlazione multipla al quadrato. entrambe le alternative. nessuna delle alternative.

Il valore dell'alpha di Cronbach: può variare solo da -1 a +1. può assumere solo valori positivi. può variare solo tra 0 e 1. può assumere anche valori negativi.

Quale caratteristica degli item viene presa in considerazione per valutare l'attendibilità di un test sulla base di una singola somministrazione?. l'affidabilità. la validità di costrutto. la discriminatività. la coerenza interna.

Il metodo split-half prevede: la suddivisione arbitraria del campione in due metà. la suddivisione arbitraria dei casi validi in due metà. la suddivisione arbitraria dei punteggi veri in due metà. la suddivisione arbitraria del test in due metà.

Un'adeguata coerenza interna per l'unidimensionalità di un insieme di item è: una condizione necessaria. una condizione necessaria e sufficiente. una condizione sufficiente. una condizione necessaria ma non sufficiente.

Per verificare se le relazioni tra gli item hanno tutte più o meno la stessa forza si utilizza: il coefficiente di Pearson. la correlazione item-totale corretta. la matrice di correlazioni. correlazione di Spearman.

Se le relazioni tra gli item in una matrice di correlazioni hanno tutte più o meno la stessa forza, si può sostenere: l'ipotesi di coerenza interna della scala. l'ipotesi di validità di costrutto della scala. l'ipotesi di attendibilità della scala. l'ipotesi di unidimensionalità della scala.

Cosa si intende per "numero di saturazioni sostanziali"?. è il numero di fattori con cui una variabile ha una buona relazione. è il numero di fattori con cui una variabile ha una correlazione. è il numero di fattori con cui una variabile ha una relazione statisticamente significativa. è il numero di fattori con cui una variabile ha una relazione forte.

La proporzione di variabilità condivisa tra due variabili viene calcolata attraverso: l'alpha di Cronbach. la matrice di correlazioni. il coefficiente di Pearson. il coefficiente di determinazione.

Si ritiene adeguata un'analisi fattoriale in cui ogni fattore è saturato in modo sostanziale: da almeno 5 item. da almeno 10 item. da almeno 2 item. da almeno 3 item.

Per "unicità" si intende: la quota di variabilità del punteggio non spiegata dai fattori. la quota di variabilità del punteggio spiegata dalle variabili latenti. la quota di variabilità del punteggio spiegata dai fattori. la quota di variabilità del punteggio osservato.

Una saturazione viene valutata sostanziale quando: il suo valore è compreso tra 0,80 e 0,90. il suo valore è ?0,90. spiega almeno il 5% della variabilità dell'item. spiega almeno il 10% della variabilità dell'item.

Il "numero di saturazioni sostanziali" di una variabile rappresenta: nessuna delle alternative. il numero di fattore con cui la variabile ha una relazione forte. la sua complessità fattoriale. entrambe le alternative.

Nell'analisi fattoriale la variabile di controllo per la correlazione è: una variabile osservata. una variabile indipendente. una variabile dipendente. una variabile latente.

Le variabili non osservate sono dette: variabili celate. variabili implicite. variabili nascoste. variabili latenti.

Su quali principi si basa l'Analisi Fattoriale Esplorativa (AFE)?. parsimonia. struttura semplice. causazione. tutte le alternative.

Per quale motivo si effettua la verifica degli "outlier multivariati"?. per individuare gli item che correlano con diversi fattori. per individuare le variabili latenti. per individuare i casi che dovrebbero essere esclusi dal dataset. per individuare i casi che presentano combinazioni di punteggi insoliti in un dataset.

Nella formula dell'equazione di specificazione troviamo: i fattori comuni (F). i fattori di errore (E). i fattori specifici (S). tutte le alternative.

Per "fattori specifici" (S) si intende: la parte di varianza dell'item dovuta all'errore di misurazione. le variabili che sintetizzano la variabilità che ciascuna variabile condivide con le altre. i casi che presentano combinazioni di punteggi insoliti. le variabili che spiegano la variabilità specifica e sistematica degli item.

Nell'analisi fattoriale la correlazione tra i fattori comuni e quelli unici è uguale a: 0. 2. 0.50. 1.

La matrice di correlazione policorica e quella tetracorica: non hanno la stessa funzione. si applicano in base al tipo di analisi fattoriale che si vuole effettuare. hanno la stessa funzione e si applicano a prescindere dal tipo di item. hanno la stessa funzione, ma si applicano a diversi tipi di item.

Quando gli item sono Likert, molti con valori di skewness e curtosi fuori dal range si utilizza la matrice di correlazione: di Pearson. tetracorica. policorica. di Spearman.

Quando gli item sono troppo difficili si verifica: l'effetto di complessità. l'effetto soffitto. l'effetto di discriminatività. l'effetto pavimento.

Quando gli item sono troppo facili si verifica: l'effetto pavimento. l'effetto di facilitazione. l'effetto soffitto. l'effetto di semplicità.

Il punto in cui si incrociano le media di due variabili in un diagramma di dispersione viene detto: punto mediano. centro. centroide. epicentro.

L'indice di fattorizzabilità che fornisce la misura di quanto sono indipendenti le variabili all'interno della matrice di correlazione viene detto: indice di autonomia. indice di libertà. indice di autodeterminazione. determinante.

Quando gli item sono Likert, molti con valori di skewness e curtosi all'interno del range si utilizza la matrice di correlazione: policorica. tetracorica. di Spearman. di Pearson.

La matrice di correlazione tetracorica si applica quando: tutti gli item sono Likert. si hanno item sia dicotomici che Likert. gli item sono a risposta multipla. tutti gli item sono dicotomici.

Quale metodo viene utilizzato per la stima delle comunalità iniziali?. comunalità iterate. correlazione multipla al quadrato. nessuna delle alternative. entrambe le alternative.

Quanti fattori si dovrebbero estrarre secondo il criterio Kaiser-Guttman?. almeno il 10%. almeno 5. almeno 3. tanti fattori quanti sono quelli con gli autovalori maggiori di 1.

Il "modello dei fattori comuni" presuppone che: ogni variabile osservata sia in relazione lineare con uno o più fattori di unicità. ogni variabile osservata sia in relazione lineare con uno o più fattori comuni. ogni variabile osservata sia in relazione con uno o più fattori comuni e un fattore di unicità. ogni variabile osservata sia in relazione lineare con uno o più fattori comuni e un fattore di unicità.

Le variabili latenti non osservabili che influenzano casualmente alcune o tutte le variabili osservate e spiegano le correlazioni fra esse si chiamano: fattori di unicità. fattori generali. fattori complessivi. fattori comuni.

Le variabili latenti che hanno un effetto causale su una sola variabile osservata e non spiegano niente delle correlazione fra le variabili osservate si chiamano: fattori impliciti. fattori generali. fattori di unicità. fattori comuni.

Il metodo "Principal Axis Factoring" (PAF) cerca di spiegare: il massimo possibile della varianza in comune degli item e di quella totale. il massimo possibile della varianza. il massimo possibile della varianza totale. il massimo possibile della varianza in comune degli item.

Lo scopo dell'analisi delle componenti principali è: sintetizzare i punteggi nelle variabili osservate in un numero ridotto di variabili latenti. spiegare la varianza totale delle variabili osservate. ridurre i dati. tutte le alternative.

Il metodo di rotazione che ha la caratteristica di normalizzare le saturazioni è: PROMAX. EQUAMAX. QUARTIMAX. VARIMAX.

La rotazione dei fattori: è facoltativa. modifica e ridistribuisce la varianza spiegata. modifica la varianza spiegata. non modifica la varianza spiegata, ma la ridistribuisce.

La matrice che contiene i coefficienti che sintetizzano l'effetto totale dei fattori sulle variabili si chiama: pattern matrix. matrice di correlazione tetracorica. matrice di correlazione policorica. structure matrix.

La matrice che contiene i coefficienti che sintetizzano gli effetti diretti dei fattori sulle variabili osservate al netto delle relazioni tra i fattori stessi si chiama: structure matrix. matrice di correlazione tetracorica. pattern matrix. matrice di correlazione policorica.

In quale caso un fattore risulta interpretabile?. se ha almeno 2 item che saturano su di esso. se ha almeno 10 item che saturano su di esso. se ha almeno 5 item che saturano su di esso. se ha almeno 3 item che saturano su di esso.

Il valore degli indici di goodness of fit e di badness of fit varia tra: da -1 a +1. da ,20 a ,40. 0 e 1. da 0 a 1.

Quale valore dovrebbero superare gli indici di goodness of fit?. 0.50. 0. 0.90. 1.

Gli indici di badness of fit devono essere inferiori a: 0.50. 0.08. 1. 0.90.

La validità di costrutto discriminante viene valutata attraverso: i coefficienti mono-tratto etero-metodo. le correlazioni etero-tratto mono-metodo. le correlazioni mono-tratto mono-metodo. i triangoli etero-tratto mono-metodo.

La validità convergente è supportata se le correlazioni con le misure dei costrutti sono: inferiori a 0,30. inferiori a 0,50. superiori a 0,30. superiori a 0,50.

In una matrice multi-tratto multi-metodo la diagonale di validità covergente rappresenta: le correlazioni mono-tratto mono-metodo. le attendibilità delle misure ottenute. la correlazione disattenuata. i coefficienti mono-tratto etero-metodo.

In una matrice multi-tratto multi-metodo la diagonale dell'attendibilità rappresenta: le attendibilità delle misure ottenute. le correlazioni mono-tratto mono-metodo. nessuna delle alternative. entrambe le alternative.

Il metodo principale per valutare la validità di costrutto è: la matrice di correlazione policorica. la structure matrix. la pattern matrix. la matrice multi-tratto multi-metodo.

La validità discriminante è supportata se le correlazioni con le misure dei costrutti sono: superiori a 0,30. superiori a 0,50. inferiori a 0,50. inferiori a 0,30.

La validità di criterio può essere classificata in: concorrente e predittiva. predittiva e postdittiva. concorrente e postdittiva. concorrente, postdittiva, predittiva.

La capacità di un test nello stimare accuratamente uno stato psicologico o comportamento dell'individuo viene detta: validità concorrente. validità di criterio. validità predittiva. validità postdittiva.

La validità convergente rappresenta: nessuna delle alternative. le correlazioni trascurabili con misure di costrutti concettualmente diversi da quello in esame. la quota di variabilità che due misure condividono solo perché sono ottenute con lo stesso procedimento. le associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto.

La validità discriminante rappresenta: le associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto. la quota di variabilità che due misure condividono solo perché sono ottenute con lo stesso procedimento. nessuna delle alternative. le correlazioni trascurabili con misure di costrutti concettualmente diversi da quello in esame.

La varianza dovuta al metodo rappresenta: nessuna delle alternative. le correlazioni trascurabili con misure di costrutti concettualmente diversi da quello in esame. le associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto. la quota di variabilità che due misure condividono solo perché sono ottenute con lo stesso procedimento.

Per errore standard di misurazione (SEM) si intende: la deviazione standard dell'errore causale di misurazione. la varianza di errore dei punteggi al test stimata a partire dai dati campionari. la varianza di errore. la deviazione standard degli errori di misurazione associata ai punteggi a un test per un gruppo specifico di esaminandi.

Quale metodo può essere utilizzato per stimare il punteggio vero per un singolo punteggio di un soggetto?. il metodo split-half. l'alpha di Cronbach. il coefficiente di determinazione. la regressione lineare.

I coefficienti di attendibilità che vengono utilizzati per l'errore standard di misurazione sono: l'attendibilità test-retest e il metodo split-half. la coerenza interna e l'alpha di Cronbach. l'attendibilità test-retest e l'alpha di Cronbach. la coerenza interna e l'attendibilità test-retest.

Il punteggio normativo indica: quanto la prestazione di un soggetto è nella media. quanto la prestazione di un soggetto è tipica. quanto la prestazione di un soggetto è normale. quanto la prestazione di un soggetto è lontana da quella più frequente nel campione di riferimento.

Gli intervalli di fiducia dei punteggi al test possono essere calcolati se: il punteggio osservato è uguale alla somma del punteggio vero più la componente di errore. gli errori hanno distribuzione normale. la media degli errori è uguale a 0. tutte le alternative.

I punteggi di riferimento nella popolazione vengono detti: punteggi standardizzati. punteggi medi. punteggi normali. punteggi normativi o norme.

Per decidere il numero di soggetti necessari per il campione normativo è importante determinare: la stima della varianza della popolazione e i margini di errore. i margini di errore e il livello di fiducia. la stima della varianza della popolazione e il livello di fiducia. la stima della varianza della popolazione, i margini di errore, il livello di fiducia.

L'ispezione dell'istogramma con la distribuzione di frequenza serve per valutare: se la distribuzione dei punteggi al test è adatta a una standardizzazione in punteggi standard. se la distribuzione dei punteggi al test è sufficientemente normale. nessuna delle alternative. entrambe le alternative.

La standardizzazione mediante punti percentili si utilizza: se la distribuzione è simmetrica. se la distribuzione è normale. se la distribuzione è standardizzata. se la distribuzione non è normale.

I punti T: hanno media 5 e deviazione standard 2. hanno media 0 e deviazione standard 1. hanno media 100 e deviazione standard 15. hanno media 50 e deviazione standard 10.

Nella standardizzazione mediante punteggi standard i punteggi grezzi vengono trasformati in: punti T. punti percentili. punteggi normativi. punti z.

I punteggi standard: hanno media 5 e deviazione standard 2. hanno media 50 e deviazione standard 10. hanno media 100 e deviazione standard 15. hanno media 0 e deviazione standard 1.

Quando i punteggi dei test non possono essere considerati come misura su scala a intervalli, la standardizzazione avviene tramite: punti T. ranghi percentili. punti Sten. punti z.

Si effettua la standardizzazione tramite ranghi percentili quando: la distribuzione dei punteggi è standardizzata. la distribuzione dei punteggi è normale. la distribuzione dei punteggi è simmetrica. la distribuzione dei punteggi non è normale.

Quale tipo di punteggio da informazioni sull'entità della differenza tra due punteggi?. punteggio standardizzato. punti T. i percentili. punti z.

Le norme di un test: sono le stesse per qualsiasi soggetto a cui viene somministrato un certo test. sono indipendenti dalle variabili socio-demografiche. non subiscono l'influenza dell'età e del genere. si diversificano a seconda delle variabili socio-demografiche.

Nel caso di variabili dicotomiche, per sapere se sono necessarie norme differenziate le analisi dei dati si effettuano attraverso: nessuna delle precedenti. la correlazione di Pearson o di Spearman. l'analisi della varianza o il test di Kruskal-Wallis. il test t per campioni indipendenti o il test Mann-Whitney.

Nel caso di variabili nominali, per sapere se sono necessarie norme differenziate le analisi dei dati si effettuano attraverso: la correlazione di Pearson o di Spearman. nessuna delle precedenti. il test t per campioni indipendenti o il test Mann-Whitney. l'analisi della varianza o il test di Kruskal-Wallis.

Nel caso di variabili ordinali o metriche, per sapere se sono necessarie norme differenziate le analisi dei dati si effettuano attraverso: nessuna delle precedenti. il test t per campioni indipendenti o il test Mann-Whitney. l'analisi della varianza o il test di Kruskal-Wallis. la correlazione di Pearson o di Spearman.

Il manuale del test contiene informazioni relative a: le qualifiche richieste per la somministrazione del test. le procedure di somministrazione. le procedure di sviluppo degli item. tutte le alternative.

L'adattamento di un test in una lingua diversa dall'originale prevede: la traduzione letterale degli item. la modificazione dei costrutti. la modificazione del dominio di contenuto. l'adattamento della formulazione degli item in base alle differenze cross-culturali.

Il bias di item si verifica quando: l'item non è rappresentativo. l'item non rispecchia il costrutto. l'item è stato tradotto male e le parole hanno una diversa connotazione a seguito della traduzione. nessuna delle alternative.

L'adattamento di un test in una lingua diversa dall'originale pone problemi: solo sul piano psicometrico. solo sul piano psicologico. solo sul piano linguistico. sia sul piano linguistico che su quello psicologico.

A cosa fa riferimento un bias di costrutto?. a diverse definizioni del costrutto in una stessa cultura. a distorsioni del costrutto. a diverse definizioni del costrutto a seconda delle caratteristiche socio-demografiche. alle differenze culturali nelle definizioni dei costrutti.

La versione adattata di un test deve avere un buon grado di: equivalenza concettuale. equivalenza semantica. equivalenza normativa. tutte le alternative.