option
Questions
ayuda
daypo
search.php

Teorie e tecniche dei test B 20-24

COMMENTS STATISTICS RECORDS
TAKE THE TEST
Title of test:
Teorie e tecniche dei test B 20-24

Description:
Teorie e tecniche dei test B 20-24

Creation Date: 2025/03/06

Category: Others

Number of questions: 53

Rating:(0)
Share the Test:
Nuevo ComentarioNuevo Comentario
New Comment
NO RECORDS
Content:

Se due item risultano avere una ridondanza molto elevata, di solito è consigliabile. eliminare uno dei due item. eliminare entrambi gli item. inserire un terzo item che correli con entrambi. inserire un item che correli con uno solo dei due.

In un item di prestazione massima, l'indice di discriminatività inferiore a .20 indica che la discriminatività è. nessuna delle alternative. insufficiente. buona. ottima.

Un valore negativo della correlazione item-totale corretta indica che. l'item è attendibile. c'è un problema ed è opportuno controllare lo scoring. l'item ha funzionato molto bene. l'item è valido.

Per essere ottimale, il valore della correlazione item-totale corretta dovrebbe essere. negativo. maggiore di .30. uguale a 0. inferiore a -.30.

Nei test di prestazione massima, per calcolare la correlazione item-totale corretta è necessario calcolare. il coefficiente di correlazione prodotto-momento di Pearson. il coefficiente di correlazione punto-biseriale. il coefficiente di skewness. il coefficiente di discriminatività.

Lindice che esprime quanto ogni singolo item è in grado di rappresentare, da solo, il costrutto misurato dall'insieme degli item del test è. la discriminatività. il livello di difficoltà. la comunalità. la correlazione item-totale corretta.

L'indice che permette di valutare quanto ogni item contribuisce al punteggio totale del test è. la correlazione item-totale corretta. il livello di difficoltà. la comunalità. la discriminatività.

La correlazione item-totale corretta è un indice che esprime. esprime quanto ogni singolo item è rappresentativo dell'intera scala. tutte le alternative. esprime quanto ogni singolo item è in grado di rappresentare, da solo, il costrutto misurato dall'insieme degli item del test. permette di valutare quanto ogni item contribuisce al punteggio totale del test.

In un test di prestazione massima, l'indice di discriminatività dovrebbe assumere valori. positivi, meglio se maggiori di .40. negativi, meglio se superiori di -.40. negativi, meglio se inferiori a -.40. positivi, meglio se inferiori a .40.

In un test di prestazione massima, la situazione ideale è avere. solo item con elevati di livelli di difficoltà. item con livelli di difficoltà identici tra loro. solo item con bassi livelli di difficoltà. item con livelli di difficoltà diversi tra loro.

In un item di prestazione massima, un indice di discriminatività uguale a 0 indica che. nessuna delle alternative. l'item non discrimina tra il gruppo con punteggio alto al test e il gruppo con punteggio basso al test. il gruppo con punteggio basso al test ha risposto correttamente all'item in proporzione maggiore del gruppo con punteggio alto. il gruppo con punteggio alto al test ha risposto correttamente all'item in proporzione maggiore del gruppo con punteggio basso.

In un item di prestazione massima, un indice di discriminatività con valore negativo indica che. nessuna delle alternative. l'item non discrimina tra il gruppo con punteggio alto al test e il gruppo con punteggio basso al test. il gruppo con punteggio alto al test ha risposto correttamente all'item in proporzione maggiore del gruppo con punteggio basso. il gruppo con punteggio basso al test ha risposto correttamente all'item in proporzione maggiore del gruppo con punteggio alto.

L'indice di discriminatività può variare. da -1 a 0. da 0 a 1. da -1 a +1. da .20 a .40.

La misura di quanto ogni item è in grado di distinguere i soggetti con livelli elevati del costrutto da quelli con livello basso del costrutto è. l'attendibilità. la comunalità. la media. la discriminatività.

Sono considerati ridondanti gli item che presentano una correlazione tra loro. pari a 0. di almeno -.20. di almeno .70. di almeno .30.

La correlazione item-totale corretta. non è calcolata per gli item di prestazione massima. è calcolata per un facet del costrutto e poi generalizzata agli altri. è calcolata separatamente per ciascun facet del costrutto. è calcolata solo per costrutti che non hanno facet.

L'imputazione dei dati mancanti si può utilizzare se il pattern dei mancanti. riguarda più del 5% dei dati. è Missing Completely at Random (MCAR). è Missing Not at Random (MNAR). è Missing At Random (MAR).

Si ritengono adeguati valori di Skewness e Curtosi. di almeno 5. compresi tra -1 e 1. maggiori di 1. inferiori a -1.

Per valutare se la distribuzione delle risposte a un item si avvicina alla distribuzione normale si utilizza. tutte le alternative. l'esame del grafico delle frequenze. l'indice di simmetria. l'indice di Curtosi.

L'indice che indica quanto la distribuzione è più appiattita o più appuntita rispetto all anormale è chiamato. Curtosi. Correlazione. Collinearità. Skewness.

L'indice che indica quanto la distribuzione è simmetrica o asimmetrica rispetto a un punto mediano è chiamato. Curtosi. Skewness. Collinearità. Correlazione.

In una distribuzione perfettamente normale, l'indice di Curtosi è. uguale a 1. uguale a 0. uguale a -1. compreso tra -1 e +1.

In una distribuzione perfettamente normale, l'indice di simmetria o Skewness è. uguale a 1. uguale a 0. compreso tra -1 e +1. uguale a -1.

Di solito ci si attende che i punteggi ai test psicologici, come ad esempio il quoziente intellettivo, si distrubiscano seguendo. la curva logaritmica. la curva normale. nessuna delle alternative. la esponenziale.

La distribuzione attesa delle risposte a un item è. normale. lineare. logaritmica. quadratica.

Se in un test sulla despressione si osserva la presenza di dati mancanti con maggior probabilità in soggetti con un elevato livello di depressione, il pattern dei dati mancanti è. Missing at Random. Missing Not at Random. Missing Completely at Random. Missing per definizione della popolazione.

In fase di studio preliminare, i dati mancanti. possono essere solo Completely at Random (MCAR). forniscono indicazioni su come riformulare gli item. non possono essere rilevati. di solito sono inferiori al 5%.

Per stabilire se lo scostamento dalla distribuzione normale è trascurabile oppure no si utilizza. i valori degli indici di Skewness e Curtosi. tutte le alternative. un test statisco di verifica dell'ipotesi nulla. l'esame del grafico della distribuzione delle frequenze.

Quando la probabilità che un dato sia mancante non dipende dalla caratteristica misurata dal test di cui l’item fa parte una volta controllato l’effetto di un altre variabili, si tratta di. Missing Completely at Random. Missing at Random. Missing per definizione della popolazione. Missing Not at Random.

Quando la probabilità che un dato sia mancante è completamente indipendente sia dalla caratteristica misurata dal test di cui l’item fa parte, sia da qualsiasi altra variabile considerata nell’analisi, si tratta di. Missing per definizione della popolazione. Missing Completely at Random. Missing Not at Random. Missing at Random.

Quando la probabilità che un dato sia mancante dipende proprio dalla caratteristica misurata nel test, si tratta di. Missing Not at Random. Missing per definizione della popolazione. Missing at Random. Missing Completely at Random.

I Missing Not at Random. dipendono dalla caratteristica misurata nel test. sono detti anche non ignorable missing. dipendono da fattori sistematici. tutte le alternative.

I Missing Completely at Random (MCAR). sono distribuiti solo sugli item reverse. sono distribuiti casualmente all'interno del database. sono distribuiti solo su pochi item specifici. sono distribuiti nel database in modo non casuale.

Quale dei seguenti è un tipo di pattern dei dati mancanti. Missing Completely at Random. Missing Not at Random. tutte le alternative. Missing per definizione della popolazione.

. L’assenza di una risposta da parte del soggetto a un determinato item è definita. ridondanza. missing. acquiescienza. caso valido.

Il data cleaning. non serve se i dati sono raccolti con test cartacei. deve essere condotto prima di iniziare qualsiasi analisi. non serve se i dati sono raccolti con test online. non prevede la ricodifica dei dati.

Un’osservazione in cui il dato è presente e il cui valore è compatibile con quelli possibili per quella variabile è definita. caso attendibile. caso valido. caso mancante. caso ridondante.

Un aspetto di cui si occupa la procedura di Data Cleaning è. valutare la correttezza formale degli item. eseguire l'analisi fattoriale. verificare la presenza di valori anomali. definire i criteri di esclusione dal campione.

Nell'analisi preliminare degli item dei test di prestazione tipica si utilizzano. tutte le alternative. le frequenza del punteggio minimo e massimo della scala di risposta. gli indici di dispersione. gli indici di tendenza centrale.

Per i punteggi su scala Likert, è possibile utilizzare la media, invece della mediana. tutte le alternative. se le alternative di risposta sono almeno 5. se gli ancoraggi sono ben bilanciati. se la distribuzione delle frequenze è simile alla normale.

Affinché un item funzioni bene, il punteggio massimo e mimino della scala di risposta tipo Likert. deve essere stato scelto almeno una volta. deve essere scelto solo dai soggetti con livello elevato del costrutto. deve essere più frequente dei punteggi centrali. non deve essere stato mai scelto.

Negli item con scala di risposta Likert, il valore ottimale della deviazione standard del punteggio varia in funzione. dei punti della scala. della lunghezza del test. della difficoltà dell'item. della correlazione item-totale corretta.

Negli item con scala Likert, il valore ottimale del punteggio medio dovrebbe corrispondere. al punteggio minimo della scala di risposta. al punteggio medio della scala di risposta. al punteggio massimo della scala di risposta. alla deviazione standard.

Negli item con scala di risposta Likert, il range dei valori ottimali del punteggio medio varia in funzione. dei punti della scala. della difficoltà dell'item. della correlazione item-totale corretta. della lunghezza del test.

Nell'analisi preliminare degli item di prestazione tipica, per verificare che le risposte siano sufficientemente disperse intorno al punteggio centrale si utilizza. la deviazione standard e la differenza interquartile. la media e la mediana. il punteggio minmo e massimo. il coefficiente di correlazione.

Negli item di prestazione tipica, affinché la discriminatività sia accettabile, la grandezza dell'effetto d dovrebbe essere. superiore a .50. inferiore a .20. inferiore a .10. superiore a .20.

Nella valutazione preliminare degli item, la valutazione della discriminatività è utilizzata. per i test di prestazione massima e per i test di prestazione tipica. solo per i test orientati al criterio. solo per i test di prestazione tipica. solo per i test di prestazione massima.

Valutando la dsicriminatività di un item con scala Likert attraverso l'esame della curva caratteristica dell'item ci aspettiamo. che il punteggio 1 sia quello più scelto dai soggetti nel primo quartile. che il punteggio 1 non sia scelto da alcun soggetto. che il punteggio 1 sia il punteggio più scelto dai soggetti nel quarto quartile. che il punteggio 4 sia il più scelto dai soggetti nel primo quartile.

Nei test di prestazione tipica, per calcolare la correlazione item-totale corretta è necessario calcolare. il coefficiente di correlazione punto-biseriale. il coefficiente di correlazione prodotto-momento di Pearson. il coefficiente di skewness. il coefficiente di discriminatività.

Un valore negativo della correlazione item-totale corretta in un test di prestazione tipica indica che. l'item ha funzionato molto bene. l'item è valido. potrebbe trattarsi di un item reverse che non è stato ricodificato. l'item è attendibile.

In un test di prestazione tipica la ridondanza degli item ha ripercussioni. sull'asimmetria. sulla curtosi. sulla difficoltà del test. sulla dimensionalità del test.

In un test di prestazione tipica, nel selezionare quale item tenere tra due ridondanti si tende a scegliere. con migliore distribuzione di frequenze. formulato meglio. tutte le alternative. nessuna delle alternative.

Nella valutazione preliminare degli item, la correlazione item-totale corretta è utilizzata. solo per i test di prestazione massima. solo per i test orientati al criterio. solo per i test di prestazione tipica. per i test di prestazione massima e per i test di prestazione tipica.

Report abuse