TEORIE E TECNICHE DEI TEST B_Palombi

La psicometria scientifica. ha l'obiettivo di di quantificare in modo soggettivo una caratteristica psicologica. corrisponde alla psicofisica. ha l'obiettivo di quantificare in modo oggettivo una caratteristica psicologica. corrisponde all'assessment psicologico.

In psicologia, il sistema relazionale numerico. non ha una relazione con gli indicatori osservabili. ha una relazione indiretta con il sistema relazionale teorico. ha una relazione indiretta con gli indicatori osservabili. ha una relazione diretta con il sistema relazionale teorico.

L'unità di analisi è. una fase dell'analisi fattoriale. una fase della costruzione di un test. una tecnica statistica. ciò su cui viene compiuta la misura.

L'assessment psicologico. comprende diversi elementi, tra cui i test psicologici. non prevede l'utilizzo di interviste. si basa esclusivamente sui test psicologici. non prevede l'utilizzo di documenti.

Una caratteristica è definita variabile se. si manifesta in una sola modalità. non può essere misurata. si manifesta in almeno due modi diversi. può essere misurata solo con metodi qualitativi.

Una caratteristica è definita costante se. si manifesta in almeno due modalità. si manifesta in una sola modalità. non può essere misurata. può essere misurata solo con metodi qualitativi.

Uno dei primi scienziati a occuparsi del problema della misurazione in psicologia fu. Fechner. Mitchell. Freud. Joreskog.

Nella costruzione di un test, l'operazionalizzazione. definisce le operazioni algebriche per calcolare il punteggio medio al test. definisce le tecniche statistiche applicabili al test. definisce gli indicatori latenti di una variabile osservabile. definisce gli indicatori osservabili di una variabile latente.

Nella psicometria scientifica l'obiettivo è misurare. in modo soggettivo le costanti. delle caratteristiche osservabili attraverso indicatori latenti. in modo soggettivo le variabili. delle caratteristiche latenti attraverso indicatori osservabili.

Nella costruzione di un test, il dominio di contenuto di un costrutto viene definito: in base a molteplici fonti. alla fine del processo di costruzione del test. solo per i test di prestazione tipica. solo per i test di prestazione massima.

Il processo che lega i concetti scientifici a operazioni che chiunque può osservare o eseguire è: l'analisi fattoriale. l'operazionalizzazione. la validità di facciata. la standardizzazione.

Nella costruzione di un test, le operazionalizzazioni sono: le tecniche statistiche per calcolare il punteggio. le tecniche statistiche per analizzare gli item. le operazioni algebriche che si possono fare sui punteggi. gli indicatori osservabili di una variabile psicologica latente.

Un costrutto definito da una serie di facets viene detto. costante. peso fattoriale. dominio. autovalore.

Nella costruzione di un test, il processo di definizione di un costrutto può essere detto. analisi fattoriale. standardizzazione. operazionalizzazione. attendibilità.

La definizione del costrutto. può essere fatta solo sulla base dei risultati di analisi statistiche. non può essere fatta utilizzando la letteratura scientifica. viene fatta alla fine del processo di costruzione di un test. è un aspetto preliminare durante il processo di costruzione del test.

Quando un costrutto è concettualmente ampio. è opportuno utilizzare misure con singolo indicatore. è opportuno definire delle facets. non è possibile costruire un test che lo misuri. non è opportuno utilizzare analisi statistiche.

Il processo che assegna a un individuo un numero, che indica il grado in cui l’individuo stesso possiede la caratteristica misurata dal test è detto. analisi fattoriale. attendibilità. scaling. operazionalizzazione.

Il modello di misura. è unico per tutti i test psicologici. specifica la relazione tra la variabile latente e gli indicatori. non può essere verificato empiricamente. specifica il tipo di scala Likert utilizzato.

Nell'equazione della teoria classica dei test X = V + E, la V rappresenta. il punteggio vero. la varianza. la validità. il punteggio osservato.

In un modello di misura riflessivo. il costrutto determina gli indicatori osservati. il costrutto è determinato dagli indicaotiri osservati. non esiste errore di misura. non esistono gli indicatori osservabili.

In un modello di misura formativo. non esistono gli indicatori osservabili. non esiste errore di misura. il costrutto determina gli indicatori osservati. il costrutto è determinato dagli indicaotiri osservati.

Nell'equazione della teoria classica dei test X = V + E, la E rappresenta. una costante. il punteggio vero. l'errore di misura. l'esponenziale.

Nell'equazione della teoria classica dei test X = V + E, la X rappresenta. la comunalità. Il punteggio osservato. il punteggio vero. l'autovalore.

Nella teoria classica dei test lo scaling è. privo di errore di misura. basato sui soggetti. basato sugli stimoli. qualitativo.

Il modello di Rasch si basa sulla funzione. parabola. logistica. ogiva. retta.

Nel modello di Rasch, la risposta all'item è funzione. entrambe le alternative. dell'abilità del soggetto. della difficoltà dell'item. nessuna delle alternative.

Nel modello di Rasch, la curva caratteristica di un item appresenta la probabilità che un soggetto risponda correttamente a un item in funzione. dell'attendibilità dell'item. della validità del test. dell'abilità del soggetto. del peso fattoriale dell'item.

La chiarezza è una caratteristica fondamentale di un test e riguarda. le domande. le modalità di risposta. le istruzioni. tutte le alternative.

Una caratteristica fondamentale degli item di un test è. la non offensività. nessuna delle alternative. la brevità. la profondità.

La centralità rispetto al contenuto è. una caratteristica fondamentale degli item. analizzata con tecniche statistiche. poco importante nella formulazione degli item. definita dalla media.

Uno strumento si definisce self-report se. fornisce automaticamente il report dei risultati. è compilato autonomamente dal soggetto. nessuna delle alternative. è compilato dal somministratore che registra le risposte del soggetto.

La caratteristicha di centralità rispetto al contenuto prevede che. gli item non contengano negazioni. la scala di risposta abbia un punto di ancoraggio centrale. gli item risiedano lungo il continuum di ciò che vogliamo misurare. gli item indaghino costrutti diversi.

L'ambiguità è una caratteristica fondamentale degli item. dei test proiettivi. dei test di prestazione massima. dei test di prestazione tipica. tutte le alternative.

Il formato di risposta nelle scale di valutazione può essere. aperto o chiuso. si/no o mi piace/non mi piace. bipolare o unipolare. a scelta multipla forzata.

In una scala di valutazione le etichette che descrivono ogni punto della scala sono chiamate. response set. analogie. misure ipsative. quantificatori indeterminati.

La scala di risposta "molto d'accordo", "abbastanza d'accordo", "abbastanza in disaccordo" "molto in disacordo" è una scala. a scelta multipla. Likert. ipsativa. a scelta multipla forzata.

In una scala di valutazione è opportuno che i quantificatori indeterminati siano. simmetrici rispetto al punto centrale. ambigui. al massimo 2. non simmetrici rispetto al punto centrale.

Secondo i risultati della ricerca, il numero ottimale di punti per una scala di valutazione è compreso tra. 1 e 10. 2 e 3. 1 e 100. 4 e 7.

Il "Range effect" si riscontra nelle scale. di frequenza. tutte le alternative. di accordo. di intensità.

Una scala di valutazione in cui sono esplicitate le risposte che indicano entrambi gli estremi e la neutralità è detta. bipolare parzialmente ambigua. ambigua. bipolare. unipolare parzialmente ambigua.

Una scala è detta bipolare parzialmente ambigua quando. sono esplicitate le etichette per tutti i punti della scala. sono esplicitate le etichette degli estremi ma non è esplicitata l'etichetta della neutralità. non esplicita alcun ancoraggio. sono esplicitate le etichette che indicano gli estremi e la neutralità.

test di prestazione massima sono quelli. che richiedono al soggetto di dare il meglio di sé. che utilizzano le scale Likert. composti solo da domande a risposta aperta. composti da item che non prevedono una risposta corretta.

I test di prestazione tipica sono quelli. composti da item che non prevedono una risposta corretta. che non utilizzano le scale Likert. composti da item che misurano il profitto. composti da item che prevedono una risposta corretta.

Le summated rating scales sono. i test di intelligenza. i test di profitto. le scale Likert. gli item a scelta multipla forzata.

L'effetto alone si presenta quando il soggetto. scegli sistematicamente le alternative più estreme. si fa influenzare dalla valutazione generale su di sé nella valutazione di aspetti specifici. risponde in modo da mostrarsi nel modo più socialmente accettabile. scegliere sitematicamente il punteggio centrale nella scala di risposta.

Il fattore distorcente delle risposte "evasività" si ha quando il soggetto. rispondere in modo da mostrarsi nel modo più socialmente accettabile. sceglie sempre le categorie estreme. sceglie sempre i punti centrali della scala o l'alternativa "non so". risponde a caso o in modo incoerente.

La scelta da parte del soggetto del punto centrale in una scala di valutazione può indicare. l'assenza per il soggetto di esperienza o atteggiamento rispetto al costrutto indagato. evasività del soggetto, che non vuole manifestare il suo reale atteggiamento. reale neutralità del soggetto rispetto al costrutto indagato. tutte le alternative.

Nelle summated rating scales il punteggio è dato. dalla differenza tra risposte giuste e sbagliate. dalla somma delle valutazioni per ogni item. dalla somma delle risposte sbagliate. dalla somma delle risposte corrette.

Nella generazione degli item per un test di prestazione tipica è consigliabile. utilizzare riferimenti temporali generici. evitare le negazioni. chiedere più cose nello stesso item. utilizzare termini di difficile comprensione.

Nella generazione degli item per un test di prestazione tipica è consigliabile. utilizzare riferimenti temporali generici. utilizzare termini di difficile comprensione. chiedere più cose nello stesso item. utilizzare termini di facile comprensione.

Nella generazione degli item per un test di prestazione tipica è consigliabile. utlizzare termini di difficile comprensione. utilizzare riferimenti temporali generici. evitare di chiedere più cose nello stesso item. chiedere più cose nello stesso item.

Nelle scale Likert l'utilizzo di un numero di punti pari. facilita i soggetti che rispondono a caso. contrasta il frequency effect. è sempre sconsigliato. contrasta l'effetto attrattore del punto centrale.

Negli item straight. punteggi alti nell'item corrispondono a punteggi bassi nel costrutto. il contenuto dell'item è orientato nella direzione opposta del costrutto. nessuna delle alternative. punteggi alti negli item corrispondono a punteggi alti nel costrutto.

Negli item reverse. il contenuto dell'item è orientato nella direzione del costrutto. punteggi alti nell'item corrispondono a punteggi bassi nel costrutto. punteggi alti negli item corrispondono a punteggi alti nel costrutto. nessuna delle alternative.

La tendenza a rispondere in modo da mostrarsi nel modo più socialmente accettabile è detta: produttività. acquiescienza. desiderabilità sociale. disacquiescienza.

Bilanciare item formulati positivamente e negativamente può contrastare. l'acquiescienza. l'attrattività del punto centrale della scala. l'effetto alone. nessuna delle alternative.

L'anonimato del test e la consegna in busta chiusa aiuta a contrastare l'effetto. dell'estremismo o extreme response. della desiderabilità sociale. dell'acquiescienza. dell'attrattività del punto centrale.

L'estremismo o "extreme response" è la tendenza a. rispondere in modo da mostrarsi nel modo più socialmente accettabile. scegliere le categorie estreme di risposta indipendentemente dal contenuto. non essere d'accordo con gli item indipendentemente dal contenuto. scegliere sitematicamente il punteggio centrale nella scala di risposta.

La tendenza a essere sempre d'accordo con gli item indipendentemente dal contenuto è detta. desiderabilità sociale. acquiescienza. disacquiescienza. noncontinget responding.

Una delle indicazione più diffuse riguardanti la costruzione di un buon test prevede l'utilizzo. di soli item straight. nessuna delle alternative. di soli item reverse. combinato di item straight e reverse.

Le diverse tendenze dei soggetti a rispondere agli item indipendentemente dalla quantità di costrutto posseduta e dal contenuto dell'item sono. le capacità cognitive dei soggetti. i response sets. l'attendibilità e la validità. i livelli di abilità dei soggetti.

Acquiescienza e desiderabilità sociale sono esempi di: linee guida per i test di prestazione tipica. response sets. contenuti da inserire nel consenso informato. linee guida per i test di prestazione massima.

La disacquiescienza è la tendenza a. essere sempre d'accordo con gli item indipendentemente dal contenuto. scegliere sistematicamente il punto centrale della scala di risposta. rispondere in modo da mostrarsi nel modo più socialmente accettabile. non essere d'accordo con gli item indipendentemente dal contenuto.

Gli item reverse sono detti anche. straight items. positively worded items. item wording. negatively worded items.

In base al proximity effect è bene: posizionare consecutivamente item reverse che misurano lo stesso costrutto. posizionare consecutivamente item di analogia. evitare che item reverse che misurano lo stesso costrutto siano consecutivi. evitare che item si/no siano posizionati consecutivamente.

Gli item reverse. nessuna delle alternative. possono confondere i soggetti perché contengono negazioni. entrambe le alternative. contrastano il fenomeno dell''acquiescienza.

Gli item straight sono detti anche. item wording. positively worded items. negatively worded items. reverse items.

Gli item reverse possono essere. tutte le alternative. negated regular. polar opposites. negated polar opposites.

Negli item reverse di tipo polar opposites. si usa la doppia negazione. si aggiunge una negazione alla qualità descritta nella versione straight. è impiegato il termine concettualmente contrario a quello nell'item straight. nessuna delle alternative.

Lo scopo fondamentale degli item reverse è quello di. costringere il soggetto a considerare più attentamente il contenuto degli item. tutte le alternative. diminuire la probabilità che il soggetto risponda in modo automatico. contrastare l'effetto dei response sets.

Lo speed bump cognitivo si ottiene con. i test di intelligenza. gli item si/no. gli item ambigui. gli item reverse.

Nei test di prestazione massima, gli item a esclusione possono usare contenuti. tutte le alternative. verbali. numerici. visivi.

Nei test di prestazione massima, le analogie possono usare contenuti. visivi. tutte le alternative. verbali. numerici.

Le tipologie di item che si usano nei test di prestazione tipica sono: item a esclusione e a sequenza, analogie. item verbali di ragionamento, non verbali e di comprensione del testo. item si/no, a scelta multipla forzata, con scale di valutazione. analogie, item di informazione generale e non verbali.

Il processo di rievocazione richiesto nelle domande a risposta aperta può essere. rievocazione guidata. tutte le alternative. rievocazione libera. rievocazione seriale.

Con i test di prestazione massima è possibile misurare. la personalità. le attitudini. la motivazione. gli atteggiamenti.

Con i test di prestazione massima è possibile misurare. la motivazione. gli atteggiamenti. la personalità. l'intelligenza.

Con i test di prestazione tipica è possibile misurare. l'abilità. le attitudini. la personalità. l'intelligenza.

Nei test di profitto con risposte chiuse. non si possono usare tecniche di analisi statistica tradizionali. la correzione non può essere fatta automaticamente tramite computer. la codifica delle risposte è sempre soggettiva. il soggetto può rispondere correttamente tirando a indovinare.

Nei test di profitto con domande aperte. la correzione è sempre oggettiva. il soggetto non può rispondere correttamente tirando a indovinare. non si possono usare direttamente le tecniche di analisi statistica tradizionali. la correzione può essere fatta in modo automatico con un computer.

Le attitudini sono. entrambe le alternative. tratti di personalità. nessuna delle alternative. atteggiamenti.

L'intelligenza indipendente da condizionamenti culturali, che riflette l’efficienza dell’elaborazione delle informazioni è definita. intelligenza fluida. intelligenza cristallizzata. nessuna delle alternative. intelligenza attitudinale.

L'intelligenza che racchiude le capacità definite dalla cultura nella quale l’individuo è immerso e dalla quale è stato formato è definita. intelligenza cristallizzata. intelligenza attitudinale. nessuna delle alternative. intelligenza fluida.

Per misurare l'intelligenza fluida si possono utilizzare. item di abilità verbale. item di cultura generale. analogie con contenuti visivi e numerici. tutte le alternative.

Per misurare l'intelligenza cristallizzata si possono utilizzare. item di abilità verbale. tutte le alternative. item a scelta multipla forzata. item con scale di valutazione.

Gli item verbali di ragionamento comprendono tipicamente. discendenze. tutte le alternative. sillogismi. inferenze sintattiche.

Nei test di prestazione massima, le analogie. possono usare solo contenuti verbali. non possono usare contenuti visivi. richiedono di estrarre dalla prima parte dell’item una determinata relazione analogica e applicarla al resto. richiedono al soggetto di immedesimarsi in una particolare situazione e rispondere indicando il suo atteggiamento.

Con i test di prestazione tipica è possibile misurare. l'abilità. l'intelligenza. gli atteggiamenti. le attitudini.

L'indicazione di evitare di chiedere più cose nello stesso item riguarda. i test di prestazione tipica. i test di prestazione massima. entrambe le alternative. nessuna delle alternative.

In un item di prestazione massima, la risposta giusta dovrebbe essere. attraente come i distrattori. più chiara rispetto ai distrattori. sempre formula negativamente. più breve rispetto ai distrattori.

I criteri di chiarezza e centralità rispetto al contenuto riguardano. i test di prestazione tipica. nessuna delle alternative. i test di prestazione massima. entrambe le alternative.

In un item a scelta multipla, il testo che contiene la domanda o il problema è definito. item reverse. distrattore. item straight. item stem.

In un test di profitto, usare domande chiuse piuttosto che aperte comporta il vantaggio di. garantire una valutazione oggettiva. non favorire chi possiede un'elevata abilità verbale. poter far svolgere a un computer la correzione e l'attribuzione dei punteggi. tutte le alternative.

I test che mirano a valutare l'esito di un processo di apprendimento sono i test. di profitto. di intelligenza fluida. proiettivi. di personalità.

In un item di prestazione massima, la risposta giusta dovrebbe essere. più attraente dei distrattori. di lunghezza simile ai distrattori. più chiara rispetto ai distrattori. più lunga rispetto ai distrattori.

In un item di prestazione massima, i distrattori dovrebbero essere. più brevi rispetto alla risposta giusta. tutti ugualmente attraenti. tutti formulati negativamente. meno attraenti della risposta corretta.

Nel fornire al soggetto le informazioni su cosa misura il test durante la presentazione occorre. fornire tutti i dettagli sulla misura e sul costrutto. nessuna delle alternative. fornire informazioni fuorvianti. fornire le informazioni minime necessarie.

Il consenso informato è un documento che contiene principalmente informazioni riguardanti. lo scopo della somministrazione. in che modo verranno trattati i dati. tutte le alternative. chi avrà accesso ai dati.

è preferibile che la presentazione del test sia. standardizzata. assente. a scelta del somministratore. molto lunga.

Nei test di prestazione tipica, lo scopo della presentazione del test è quello di. motivare i soggetti a fare tante domande al somministratore. motivare i soggetti a fornire le risposte giuste. motivare i soggetti a rispondere in modo socialmente accettabile. motivare i soggetti a rispondere nel modo più sincero possibile.

Per evitare che le caratteristiche di personalità del somministratore influiscano sulla somministrazione, la presentazione del test deve essere. standardizzata. molto lunga. evitata. fatta alla fine.

Nei test di prestazione massima, lo scopo della presentazione del test è quello di. motivare i soggetti a rispondere in modo socialmente accettabile. motivare i soggetti a fare tante domande al somministratore. motivare i soggetti a dare il meglio di se. motivare i soggetti a tirare a indovinare.

Il modo in cui verranno trattati i dati raccolti con il test. deve essere ignoto al soggetto e al somministratore. è riportato nel consenso informato. è il layout del test. non deve essere descritto nel consenso informato.

In una somministrazione di un test, le informazioni contenute nel consenso informato. vanno comunicate alla fine della somministrazione. devono favorire l'acquiescienza dei soggetti. permettono al soggetto di scegliere se partecipare. non devono essere standardizzate.

Le istruzioni del test di prestazione massima. non devono indicare il limite temporale per la compilazione. non devono essere sintetiche. devono essere ambigue. devono indicare il limite di tempo per la compilazione.

Il layout del test. può influire sulla motivazione del soggetto a impegnarsi nella compilazione del test. riguarda la restituzione dei risultati ai soggetti. non influisce sulla motivazione del soggetto a impegnari nella compilazione del test. riguarda la presentazione delle caratteristiche di attendibilità e validità del test.

Una delle tipologie di validità che viene valutata nella costruzione di un test è. la validità di costrutto. la validità funzionale. la validità statistica. la validità strutturale.

La validità di un test. nessuna delle alternative. si declina in diverse tipologie. corrisponde all'attendibilità. è un concetto unico.

La valutazione preliminare degli item di un test prevede. la conduzione dello studio preliminare. la valutazione della validità di contenuto. tutte le alternative. la valutazione della validità di facciata.

Con la validità di contenuto si valuta il grado in cui gli elementi dello strumento di assessment sono. rilevanti e rappresentativi per il soggetto. rilevanti e rappresentativi per il costrutto. attendibili. statisticamente significativi.

Una delle tipologie di validità che viene valutata nella costruzione di un test è. la validità di facciata. la validità statistica. la validità funzionale. la validità strutturale.

Una delle tipologie di validità che viene valutata nella costruzione di un test è. la validità statistica. la validità funzionale. la validità strutturale. la validità di contenuto.

La valutazione della validità di contenuto riguarda. solo la scala di risposta. solo le istruzioni. solo gli item. tutti gli elementi del test.

La validità di contenuto di un test. deve essere riesaminata periodicamente. riguarda solo gli item. coincide con la validità di costrutto. non deve essere mai riesaminata.

La valutazione della validità di contenuto. non è stabile nel tempo. è generalizzabile anche per altre popolazioni target. è l'ultima cosa da fare durante la costruzione di un test. è stabile nel tempo.

Per la valutazione della validità di contenuto è opportuno. non considerare il parere degli esperti. non considerare il parere della popolazione target. impiegare un solo giudice. impiegare diversi giudici.

La valutazione della validità di contenuto. è l'ultima cosa da fare durante la costruzione di un test. è specifica per una particolare funzione del test. è generalizzabile a qualsiasi popolazione target. è stabile nel tempo.

La validità che riguarda il grado in cui gli item di un test sembrano misurare il costrutto che si intende misurare è. la validità predittiva. la validità di costrutto. la validità di facciata. la validità di contenuto.

La validità di facciata può contribuire alla validità dei punteggi al test perché. rende il test più divertente. può aumentare la cooperazione da parte dei soggetti. diminuisce la lunghezza del test. rende il test graficamente più invitante.

Prima di inizare la raccolta dati dello studio preliminare è necessario. calcolare l'attendibilità degli item. definire popolazione target e campione. calcolare gli indici di dispersione degli item. calcolare gli indici di tendenza centrale degli item.

Tra i criteri di campionamento dei soggetti partecipanti allo studio preliminare, di solito NON è incluso. un QI inferiore a 75. l'assenza di un titolo di studio. il genere. una diagnosi psichiatrica.

Il campione per lo studio preliminare deve essere definito in base a. significatività e grandezza dell'effetto. validità e attendibililtà. rappresentatività e grandezza. standardizzazione e utilità.

Nella selezione degli item di prestazione massima in base al livello di difficoltà, di solito. sono da evitare gli item con livello di difficoltà maggiore di 1. sono da evitare gli item con difficoltà maggiore di .80 e inferiore a .20. sono da evitare gli item con livello di difficoltà uguale a .50. nessuna delle alternative.

La difficoltà degli item di prestazione massima (Perrata) può assumere valori. compresi tra -1 e +1. nessuna delle alternative. compresi tra 0 e 1. compresi tra -1 e 0.

Il livello di difficoltà degli item di prestazione massima è definito con. il giudizio degli esperti. la proporzione di soggetti che risponde correttamente all'item. la correlazione item-totale corretta. la proporzione di soggetti che non risponde correttamente all'item.

La formula per calcolare l'indice di discriminatività D è. D = P(Alto)/ P(Basso). D = P(Alto) - P(Basso). D = P(Alto) x P(Basso). D = P(Alto) + P(Basso).

Il livello di difficoltà di un item di prestazione massima si sceglie anche in base. al numero di alternative di risposta dell'item. alla lunghezza del test. al modello fattoriale. all'acquiescienza.

In un item di prestazione massima, i distrattori funzionano bene quando. sono stati scetli in proporzione maggiore della risposta giusta. non sono stati scelti mai. sono stati scelti con proporzioni uniformi. sono stati scelti solo dai soggetti con livello alto del costrutto.

Lo scopo dei distrattori negli item per i test di prestazione massima è. facilitare l'individuazione della risposta corretta a chi non la sa e tira a indovinare. rendere difficile l'individuazione della risposta corretta a chi la sa, distraendolo. nessuna delle alternative. rendere difficile l'individuazione della risposta corretta a chi non la sa e tira a indovinare.

In un test di prestazione massima, gli item "troppo facili", con un livello di difficoltà inferiore a .10, possono essere inseriti per. rilevare uno stile di risposta a caso. tutte le alternative. per sostenere la motivazione dei soggetti che rispondono. rilevare un livello insolitamente basso del costrutto.

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. ottima. buona. insufficiente. nessuna delle alternative.

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

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

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 correlazione item-totale corretta. il livello di difficoltà. la comunalità. la discriminatività.

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

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

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

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

In un item di prestazione massima, un indice di discriminatività con valore negativo indica che. 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. l'item non discrimina tra il gruppo con punteggio alto al test e il gruppo con punteggio basso al test. nessuna delle alternative.

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

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. la discriminatività. la media. la comunalità. l'attendibilità.

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

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

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

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

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

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

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. compreso tra -1 e +1. uguale a -1. uguale a 0. uguale a 1.

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

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

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

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 per definizione della popolazione. Missing Completely at Random. Missing Not at Random. Missing at Random.

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

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 Not at Random. Missing per definizione della popolazione. Missing at Random. Missing Completely 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. tutte le alternative. dipendono da fattori sistematici. sono detti anche non ignorable missing. dipendono dalla caratteristica misurata nel test.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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. sulla dimensionalità del test. sulla difficoltà del test. sulla curtosi. sull'asimmetria.

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

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

L'unidimensionalità degli item di un test può essere ipotizzata quando nella matrice di correlazione tra gli item. le correlazioni tra gli item sono tutte molto diverse tra loro. le correlazioni tra gli item sono tutte molto simili tra loro. le correlazioni tra gli item sono tutte molto deboli. Le correlazioni tra un alcuni item sono più elevate rispetto alle altre.

Individuare quante dimensioni sono necessarie per riassumere adeguatamente le relazioni tra le variabili è lo scopo. dell'analisi fattoriale. dell'analisi dell'attendibilità. dell'analisi della normalità multivariata. dell'analisi preliminare degli item.

La presenza di correlazioni molto simili tra tutti gli item di un test suggerisce la presenza di. normalità dell'insieme di item. non unidimensionalità dell'insieme di item. unidimensionilità dell'insieme di item. parsimonia dell'insieme di item.

Con Analisi Fattoriale si intende un insieme di tecniche statistiche che mirano a individuare. un numero minimo di dimensioni latenti che spieghino i pattern di relazione tra i punteggi agli item. il numero massimo di dimensioni latenti che spieghino i pattern di correlazione tra i punteggi negli item. il numero massimo di fattori che misurano la validità di un test. il punteggio massimo possibile che si può ottenere nei fattori di un test.

La verifica empirica della dimensionalità di un test ha come obiettivo. verificare che gli item del test facciano riferimento a una singola caratteristica psicologica latente. nessuna delle alternative. verificare che la dimensione dell'attendibilità del test rispetti criteri prestabiliti. verificare che la lunghezza del test sia adeguata ai tempi previsti per la somministrazione.

L'analisi delle componenti principali è adeguata. nessuna delle alternative. per i modelli a indicatori riflessivi. entrambe le alternative. per i modelli a indicatori formativi.

In una analisi fattoriale, la soluzione A spiega il 70% della varianza estraendo 3 fattori, la soluzione B spiega il 78% di varianza estraendo 5 fattori. In base al principio di parsimonia: si dovrà eseguire una nuova analisi per estrarre più fattori. si dovrà scegliere la soluzione A. si dovrà scegliere la soluzione B. si dovrà eseguire una nuova analisi per spiegare il 100% della varianza.

Il principio che stabilisce che "tra due soluzioni che spieghino approssimativamente la stessa quota di varianza comune tra gli item, è da preferire quella con il minor numero di fattori" è detto. principio di dimensionalità. principio di fattorializzabilità. principio di selezione dei fattori. principio di parsimonia.

Nell'analisi delle componenti principali. la varianza non può essere spiegata. la varianza deve assumere valori piccoli. non viene distinta la varianza comune dalla varianza unica. viene distinta la varianza comune dalla varianza unica.

L'analisi fattoriale è adeguata. per modelli a indicatori formativi. nessuna delle alternative. per modelli a indicatori riflessivi. entrambe le alternative.

Secondo il principio di causazione. i punteggi agli item sono causati dall'errore di misura. gli item sono la causa dei punteggi osservati nei fattori latenti. i fattori latenti sono la causa dei punteggi osservati negli item. nessuna delle alternative.

Il principio di causazione stabilisce che. il pattern delle risposte al test è dovuto all'errore casuale. il pattern di correlazione fra le variabili osservate è dovuto all’effetto causale di variabili variabili latenti. il pattern delle correlazioni tra le variabili osservate è dovuto all'errore di misura. il pattern di correlazioni tra le variabili latenti è dovuto all'effetto causale di variabili osservate.

Causazione, Parsimonia, Struttura semplice sono i principi alla base. dell'Analisi fattoriale. della Teoria Classica dei Test. della validità di costrutto. del modello di Rasch.

I principi alla base dell'AFE sono. Causazione, Partizione, Struttura complessa. Casualità, Parsimonia, Struttura semplice. Complessità, Attendibilità, Validità. Causazione, Parsimonia, Struttura semplice.

La proporzione di varianza che l'item condivide con gli altri item è detta. varianza d'errore. varianza campionaria. varianza comune. varianza unica.

La distinzione della varianza in varianza comune e varianza unica è presente. nell'analisi delle componenti principali. entrambe le alternative. nell'analisi fattoriale esplorativa. nessuna delle alternative.

Lo scopo dell'analisi fattoriale esplorativa è. nessuna delle alternative. spiegare la varianza non condivisa tra gli item in base a un ristretto numero di dimensioni latenti. spiegare la varianza condivisa tra i fattori latenti in base a un numero ristretto di item. spiegare la varianza condivisa tra gli item in base a un numero ristretto di dimensioni latenti.

In una matrice di saturazione sono rappresentatati. le correlazioni tra i fattori estratti. in colonna i fattori e in riga le variabili osservate (item). in colonna le variabili osservate e in riga i fattori. le correlazioni tra tutti gli item del questionario.

Il numero di fattori con cui un item ha una saturazione sostanziale è detta. autovalore. comunalità. complessità fattoriale. principio di causazione.

In una Analisi Fattoriale Esplorativa su indicatori riflessivi, elevando al quadrato la saturazione dell'item sul fattore si ottiene. l'autovalore. il peso che ha l'item nel determinare il punteggio nel fattore. la comunalità. la quota di variabilità del punteggio all'item che è spiegata dal fattore.

Affinché una soluzione fattoriale sia adeguata, ogni fattore estratto deve essere saturato. tutte le alternative. da almeno 3 item. da almeno 1 item. da almeno 2 item.

In una Analisi Fattoriale Esplorativa, un valore di comunalità = 1 indica che. nessuna delle alternative. è necessario estrarre altri fattori. i fattori spiegano completamente la variabilità dell'item. i fattori non spiegano niente della variabilità dell'item.

I valori della comunalità. sono sempre maggiori di 1. sono sempre inferiori a 1. possono variare tra 0 e 1. possono variare tra -1 e +1.

La quota di variabilità del punteggio agli item spiegata dall'insieme dei fattori è. la varianza comune. il fit del modello. l'autovalore. la comunalità.

In un modello di misura a indicatori riflessivi, la comunalità è. la quota di variabilità del punteggio all'item spiegata dall'insieme dei fattori. nessuna delle alternative. la quota di variabilità totale spiegata dai fattori estratti. la quota di variabilità del fattore spiegata dall'insieme di item.

La somma delle saturazioni al quadrato che un item ha con ogni fattore è. la dimensionalità. la comunalità. il fit del modello. l'autovalore.

Le saturazioni in cui il fattore è in grado di spiegare almeno il 10% della variabilità dell'item sono dette. sostanziali. statisticamente significative. parsimoniose. esaustive.

In una Analisi delle Componenti Principali su indicatori formativi, elevando al quadrato la saturazione dell'item sul fattore si ottiene. l'autovalore. il peso che ha l'item nel determinare il punteggio nel fattore. la quota di variabilità del punteggio all'item che è spiegata dal fattore. la comunalità.

Nell'Analisi Fattoriale Esplorativa, la quota di variabilità del punteggio all'item non spiegata dai fattori è. la comunalità. l'unicità. la dimensionalità. l'autovalore.

Il principio della struttura semplice prevede che la matrice delle saturazioni dovrebbe presentare. una sola saturazione sostanziale per ogni colonna e tutte le altre più basse rispetto alla saturazione principale. almeno 3 saturazioni statisticamente significative per ogni riga e tutte le altre più basse rispetto alle saturazioni principali. almeno 3 saturazioni sostanziali su ogni riga e tutte le altre più basse rispetto alle saturazioni principali. una sola saturazione sostanziale su ogni riga e tutte le altre più basse possibile rispetto alla saturazione principale.

Quando il test è formato da item tutti dicotomici. si utilizza la matrice tetracorica per condurre l'analisi fattoriale. nessuna delle alternative. non può essere sottoposto ad analisi fattoriale. si utilizza la matrice di correlazione di Pearson per condurre l'analisi fattoriale.

Il determinante della matrice di correlazione è utilizzato per valutare. il numero di fattori da estrarre. l'adeguatezza delle saturazioni fattoriali. la presenza di outlier. la fattorializzabilità della matrice.

Il test di sfericità di Bartlet fornisce indicazioni circa. la correlazione tra i fattori. la normalità degli item. la presenza di outlier. la fattorializzabilità della matrice.

Per sapere se una matrice è fattorializzabile. si effettua la rotazione dei fattori. si utlizzano degli indici. si calcola la distanza di Mahalanobis. si calcolano le comunalità.

La scelta del tipo di matrice di correlazione dautilizzare in una Analisi Fattoriale dipende. dalla Curtosi delle variabili. dalla scala di misura delle variabili. dalla Skewness delle variabili. tutte le alternative.

Per condurre l'Analisi Fattoriale si può partire da matrici di correlazione. pearsoniane. policoriche. tetracoriche. tutte le alternative.

Il punto di partenza di una Analisi delle Componenti Principali è. la matrice delle saturazioni. la matrice di correlazione. la distanza di Mahalanobis. la rotazione dei fattori.

La matrice di correlazione. non può essere utilizzata nell'Analisi delle Componenti Principali. è il punto di partenza dell'Analisi Fattoriale. coincide con la matrice delle saturazioni. è il punto di arrivo dell'Analisi Fattoriale.

La distanza di Mahalanobis è impiegata per. decidere quali sono le saturazioni sostanziali. decidere quanti fattori estrarre in una Analisi Fattoriale. definire le componenti principali nello spazio geometrico. identificare gli outlier multivariati.

Gli outlier multivariati possono essere identificati attraverso. la distanza di Mahalnobis. il coefficiente di correlazione di Pearson. la Skewness. la distanza di Pearson.

Sono definiti outlier multivariati i soggetti che. hanno combinazioni di punteggi corrispondenti a quelle medie del campione. hanno punteggi vicini al punteggio medio del campione. forniscono risposte false al test. hanno combinazioni di punteggi particolarmente rare rispetto al resto del campione.

Di solito sono considerati outlier i soggetti che. Rispondono sempre dalla stessa parte della scala negli item straight e negli item reverse. Rispondono sempre lo stesso punto della scala Likert. Scelgono sempre la stessa alternativa negli item a scelta multipla. tutte le alternative.

Si definiscono outlier i casi che. forniscono risposte false al test. nessuna delle alternative. hanno punteggi estremi e/o pattern di risposte incoerenti. hanno punteggi vicini al punteggio medio del campione.

Affinché un modello di analisi fattoriale sia identificato, è necessario che. Il numero di informazioni disponibili sia inferiore al numero di parametri da stimare. nessuna delle alternative. Il numero di parametri da stimare sia inferiore o uguale al numero di informazioni disponibili. Il numero di parametri da stimare sia superiore al numero di informazioni disponibili.

Il pool di item da sottoporre a analisi fattoriale deve essere stato sviluppato in modo da. Includere variabili che possano essere misurate in modo attendibile, cioè meno influenzabili possibile da fattori distorcenti. Essere espressione di una solida base teorica. tutte le alternative. includere variabili che presentino un adeguato livello di correlazione reciproca.

Nell'equazione di specificazione dell'Analisi delle Componenti Principali il termine di errore. è insieme al fattore specifico. è assente. è correlato alle saturazioni. è il primo membro dell'equazione.

Il primo membro dell'equazione di specificazione dell'Analisi delle Componenti Principali è. il punteggio standardizzato all'item. il punteggio nella componente. la saturazione fattoriale. l'errore di misurazione.

Il primo membro dell'equazione di specificazione dell'Analisi Fattoriale Esplorativa è. l'errore di misurazione. il punteggio standardizzato all'item. la saturazione fattoriale. il punteggio nella variabile latente.

Nell'Analisi Fattoriale Esplorativa, i fattori comuni. sono la causa dei punteggi agli item. sintetizzano la variabilità che ciascun item con divide con gli altri. tutte le alternative. spiegano solo la parte di varianza che gli item condividono con gli altri.

Il numero massimo di componenti che si può estrarre con una Analisi delle Componenti Principali è. uguale alla metà degli item inclusi nell'analisi. maggiore di 3. almeno 3. uguale al numero degli item inclusi nell'analisi.

A parità di numero di fattori estratti, le comunalità e le saturazioni fattoriali. nell'Analisi Fattoriale Esplorativa sono identiche a quelle dell'Analisi delle Componenti Principali. sono superiori nell'Analisi Fattoriale Esplorativa, rispetto all'Analisi delle Componenti Principali. sono inferiori nell'Analisi Fattoriale Esplorativa, rispetto all'Analisi delle Componenti Principali. nessuna delle alternative.

Attraverso l'Analisi delle Componenti Principali si mira a. spiegare la varianza unica di ogni item. estrarre il maggior numero di componenti possibile. spiegare la varianza che ogni item condivide con gli altri. spiegare la varianza totale di ogni item.

Attraverso l'Analisi Fattoriale Esplorativa si mira a. spiegare la varianza totale di ogni item. spiegare la varianza che ogni item condivide con gli altri. spiegare la varianza unica di ogni item. estrarre il maggior numero di fattori possibile.

Il metodo di di estrazione dei fattori basato sulla Massima verosimiglianza. fornisce indici di fit del modello fattoriale testato. entrambe le alternative. nessuna delle alternative. può essere utilizzato anche se non è presente la condizione di normalità multivariata.

Quale dei seguenti è un metodo di estrazione dei fattori nell'Analisi Fattoriale Esplorativa?. tutte le alternative. Massima verosimiglianza. Principal Axis Factoring. Metodo dei minimi quadrati.

Il metodo di estrazione Principal Axis Factoring. estrae i fattori in modo che spieghino la maggior quota possibile di varianza totale delle variabili orginali. non prevede il calcolo preliminare delle comunalità. fornisce degli indici di fit del modello. estrae i fattori in modo che spieghino la maggior quota possibile di varianza comune alle variabili orginali.

Con il metodo di estrazione Principal Axis Factoring. viene spiegata la varianza totale, non la varianza comune. è necessaria una stima preliminare delle comunalità. non è necessaria una stima preliminare delle comunalità. sono forniti degli indici di fit del modello.

Se dividiamo l'autovalore di un fattore per il numero di variabili nell'analisi otteniamo. la varianza spiegata dall'item. la comunalità. la varianza d'errore. la varianza spiegata dal fattore.

La somma delle saturazioni al quadrato che un fattore ha con tutti gli item è detta. autovalore. comunalità. varianza d'errore. fit del modello.

La somma delle saturazioni al quadrato per colonna è detta. varianza d'errore. fit del modello. autovalore. comunalità.

La retta che spiega la massima quota di varianza fra gli item è. la difficoltà degli item. la distanza di Mahalanobis. la prima componente principale. l'attendibilità degli item.

Con una rotazione ortogonale i fattori. sono ruotati mantenendo un angolo tra i fattori di 90 gradi. sono ruotati definendo un angolo di rotazione a piacere. sono ruotati mantenendo tra i fattori un angolo di 180 gradi. sono ruotati senza mantenere tra i fattori un angolo di 90°.

La rotazione dei fattori. redistribuisce tra i fattori la varianza spiegata in modo che su ogni fattore saturi un solo item. redistribuisce tra i fattori la varianza spiegata in modo che la soluzione sia più interpretabile. redistribuisce tra i fattori la varianza spiegata in modo che il primo estratto spieghi più varianza possibile. redistribuisce tra i fattori la varianza spiegata in modo che tutti gli item saturino su tutti i fattori.

La rotazione dei fattori viene eseguita per. aumentare la quantità di varianza spiegata. rendere la soluzione fattoriale più interpretabile. decidere il numero di fattori da estrarre. diminuire la quota di varianza spiegata.

La rotazione dei fattori viene eseguita per. nessuna delle alternative. ottenere una struttura semplice nella matrice di correlazione. ottenere una struttura semplice nella matrice delle saturazioni. ottenere una matrice di saturazioni che spieghi una quota di varianza maggiore.

Le rotazioni dei fattori possono essere. ortogonali e logistiche. oblique e logistiche. ortogonali e oblique. oblique e parallele.

Quando i fattori vengono ruotati senza mantenere un angolo tra loro di 90 gradi si tratta di una rotazione. logistica. ortogonale. obliqua. parallela.

A seguito di una rotazione ortogonali i fattori. non possono essere correlati tra loro. possono essere correlati tra loro. possono essere correlati tra loro, ma solo positivamente. possono essere correlati tra loro, ma solo negativamente.

La rotazione dei fattori che mantiene un angolo di 90 gradi tra i fattori è. obliqua. parallela. ortogonale. logistica.

La rotazione dei fattori. si propone di ruotare le variabili mantenendo fisso il sistema di riferimento degli assi fattoriali. si propone di ruotare le variabili e il sistema di riferimento degli assi fattoriali. nessuna delle alternative. si propone di ruotare il sistema di riferimento degli assi fattoriali mantenendo fisse le variabili.

A seguito di una rotazione obliqua i fattori. possono essere correlati tra loro. possono essere correlati tra loro, ma solo positivamente. non possono essere correlati tra loro. possono essere correlati tra loro, ma solo negativamente.

Con una rotazione obliqua i fattori. nessuna delle alternative. sono ruotati mantenendo l'assenza di correlazione tra i fattori. sono ruotati senza mantenere tra i fattori un angolo di 90°. sono ruotati mantenendo un angolo tra i fattori di 90 gradi.

A seguito della rotazione obliqua dei fattori vengono prodotte. la matrice pattern e la matrice parallela. la matrice di pattern e la matrice d'errore. la matrice pattern e la matrice structure. la matrice structure e la matrice parallela.

La rotazione dei fattori. cambia il segno della varianza spiegata. diminuisce la quantità di varianza spiegata. non modifica la quantità di varianza spiegata. aumenta la quantità di varianza spiegata.

Dopo la rotazione dei fattori. viene spiegata una quota maggiore di varianza. il primo fattore spiega la maggior quota di varianza. l'ultimo fattore spiega la maggior quota di varianza. la varianza spiegata è distribuita più uniformemente tra i fattori.

Nella scelta del numero di fattori da estrarre in una Analisi Fattoriale, il criterio da utilizzare con Minimum Average Partial Correlation Statistic (MAP) prevede di estrarre. i fattori che hanno un autovalore osservato maggiore dell’autovalore simulato medio. i fattori che spiegano almeno il 30% di varianza. i fattori con autovalore maggiore di 1. tutti i fattori fino a quello cui corrisponde il minimo valore di MAP.

Nella scelta del numero di fattori da estrarre in una Analisi Fattoriale, il criterio da utilizzare con la Parallel Analysis prevede di estrarre. i fattori che hanno un autovalore osservato maggiore dell’autovalore simulato medio. il primo fattore sul segmento verticale. i fattori con autovalore maggiore di 1. i fattori che spiegano almeno il 30% di varianza.

Nella scelta del numero di fattori da estrarre in una Analisi Fattoriale, il criterio suggerito da Cattel per utilizzare lo scree-test suggerisce di estrarre. i fattori sulla parte più appiattita della linea. il primo fattore sul segmento verticale. i fattori precedenti a quello in cui la linea spezzata si appiattisce. i fattori con autovalore maggiore di 1.

Il grafico in cui sono rappresentati sull’asse orizzontale le componenti estratte in successione e sull’asse verticale i valori degli autovalori è. lo scree-test. il centroide. la curva caratteristica di un item. la funzione logistica.

Quali dei seguenti sono criteri per stabilire il numero dei fattori da estrarre. Test di sfericità di Bartlet, Scree-test, Distanza di Mahalanobis. Scree-test; Minimum Average Partial Correlation Statistic (MAP); Parallel Analysis. Distanza di Mahalanobis, Scree-test, Minimum Average Partial Correlation Statistic (MAP). Minimum Average Partial Correlation Statistic (MAP), correlazioni tetracoriche, Scree-test.

Il criterio di Kaiser-Guttman è anche detto. criterio degli autovalori maggiori di 1. criterio del determinante della matrice di correlazione. criterio dello scree-test. criterio della massima verosimiglianza.

Quali dei seguenti sono criteri per stabilire il numero dei fattori da estrarre. Distanza di Mahalanobis, Scree-test, Minimum Average Partial Correlation Statistic (MAP). Test di sfericità di Bartlet, Scree-test, Distanza di Mahalanobis. Kaiser-Guttman; Scree test, Parallel Analysis. Minimum Average Partial Correlation Statistic (MAP), correlazioni tetracoriche, Scree-test.

Il criterio che suggerisce di estrarre i fattori precedenti a quello in cui la linea spezzata si appiattisce è utilizzato con. la Parallel Analysis. la Minimum Average Partial Correlation Statistic (MAP). lo scree-test. la distanza di Mahalanobis.

L'analisi che permette di definire a priori su quale fattore satura ciascun item è. l'analisi della varianza. l'analisi fattoriale confermativa. l'analisi delle componenti principali. l'analisi fattoriale esplorativa.

L'analisi delle componenti principali e l'analisi fattoriale esplorativa si differenziano. tutte le alternative. per la varianza spiegata. per il modello di misura di riferimento. per lo scopo.

L'analisi che ha lo scopo di testare uno specifico modello di misurazione in cui viene stabilito a priori il numero di fattori e su quale fattore satura ciascun item è. l'analisi delle componenti principali. l'analisi fattoriale esplorativa. l'analisi fattoriale confermativa. l'analisi della varianza.

Nell'Analisi Fattoriale Confermativa gli indici di fit permettono di stabilire. il numero di fattori da estrarre. se il modello testato è adeguato ai dati. permettono di stabilire il metodo di estrazione dei fattori. il tipo di rotazione da eseguire.

Se non vengono rispettate le assunzioni fondamentali sull'errore nella Teoria Classica dei Test. l'errore di misura è assente. l'errore di misura è casuale. l'errore di misura è un bias. l'errore di misura non può essere stimato.

La proprietà psicometrica relativa all’accuratezza con cui un test misura una certa variabile psicologica è. la validità. la comunalità. l'attendibilità. la media ponderata.

L'attendibilità è un indice. della difficoltà della misura che l'insieme di item ci permette di ottenere. della dimensionalità della misura che l'insieme di item ci permette di ottenere. della parsimonia della misura che l'insieme di item ci permette di ottenere. della precisione della misura che l'insieme di item ci permette di ottenere.

L'attendibilità ci dice. con quanta accuratezza il test misura una variabile psicologica. se un test misura ciò che vorremmo misurasse. quanti fattori latenti sono misurati da un test. nessuna delle alternative.

Competenza, integrità, responsabilità sociale sono. i principi generali ai quali deve attenersi il soggetto che risponde al test. i principi generali ai quale deve attenersi il somministratore. le caratteristiche fondamentali dei test. i principi generali per validare un test.

L'errore che si verifica in modo costante per tutte le somministrazioni è. l'errore casuale. nessuna delle alternative. l'errore campionario. l'errore sistematico o bias.

L'errore sistematico o bias è. l'errore che tende a distribuirsi secondo una distribuzione di probabilità normale. l'errore che si verifica in modo costante per tutte le somministrazioni è. l'errore che si presenta in modo impredicibile. nessuna delle alternative.

L'errore che si presenta in modo imprevedibile è. l'errore campionario. l'errore sistematico o bias. l'errore casuale. nessuna delle alternative.

L'errore casuale. si presenta in modo imprevedibile. tutte le alternative. tende a distribuirsi secondo una distribuzione di probabilità normale. varia da prova a prova e da soggetto a soggetto.

Secondo le assunzioni fondamentali sull'errore nella Teoria Classica dei Test, l'errore di misurazione. ha valore atteso (media) uguale a 0. tutte le alternative. è casuale. è distribuito normalmente.

Secondo le assunzioni fondamentali sull'errore nella Teoria Classica dei Test. punteggio vero e errore di misurazione sono indipendenti tra loro. l'errore di misurazione ha valore atteso uguale al punteggio osservato. il punteggio vero ha valore atteso uguale all'errore. punteggio vero e errore di misurazione sono correlati tra loro.

Il Codice Etico della Ricerca e dell’Insegnamento della Psicologia stabilisce che il somministratore, come psicologo, deve rispettare i principi di. competenza, integrità, responsabilità sociale. uguaglianza, attendibilità, validità. competenza, integrazione, intelligenza. validità, attendibilità, riproducibilità.

Il coefficiente di attendibilità può essere definito come. quota di varianza condivisa tra punteggio osservato e errore di misurazione. quota di varianza condivisa tra punteggio vero e osservato. quota condivisa tra punteggio vero e errore di misurazione. quota di varianza non condivisa tra punteggio vero e punteggio osservato.

Il coefficiente di attendibilità può essere definito come il rapporto. tra varianza del punteggio osservato e varianza del punteggio vero. tra varianza del punteggio osservato e varianza dell'errore di misurazione. tra varianza dell'errore di misurazione e varianza del punteggio vero. tra varianza del punteggio vero e varianza del punteggio osservato.

Quando un test è perfettamente attendibile. non vi è errore di misurazione. tutte le alternative. tutta la varianza del punteggio osservato è spiegabile in base al punteggio vero. il coefficiente di attendibiltà è uguale a 1.

Il coefficiente di attendibilità assume valori che variano. tra 0 e 100. tra -1.96 e 1.96. tra 0 e 1. tra -1 e 1.

L'attendibilità può essere stimata in base a. la costanza dei punteggi nel tempo in assenza di varianzioni nel costrutto. entrambe le alternative. la coerenza interna dei punteggi agli item. nessuna delle alternative.

I metodi per la stima dell'attendibilità prevedono. una sola somministrazione del test. due somministrazioni del test. nessuna delle alternative. entrambe le alternative.

I metodi per la stima dell'attendibilità mediante due somministrazione sono. alpha di cronbach e KR-20. forme parallele e test-retest. forme parallele e alpha di cronbach. split-half e test-retest.

Due versioni dello stesso test si definiscono parallele se. hanno lo stesso punteggio vero ma diversa varianza di errore. nessuna delle alternative. hanno punteggi veri e varianze di errore diverse. hanno lo stesso punteggio vero e la stessa varianza di errore.

Se due versioni dello stesso test hanno varianze di errore diverse e punteggi veri che differiscono per una costante additiva. tau equivalenti. parallele. congeneriche. essenzialmente tau equivalenti.

Tra i possibili tipi di versioni alternative di due versioni dello stesso test, le forme parallele sono le uniche che. hanno punteggi veri diversi. hanno lo stesso punteggio vero. hanno la stessa varianza d'errore. hanno punteggi veri e varianze di errore diverse.

Per la stima dell'attendibilità test-retest. si somministra lo stesso test agli stessi soggetti a distanza di tempo. si somministrano due forme diverse del test a distanza di tempo. si somministra lo stesso test a soggetti diversi. si somministrano due forme parallele del test agli stessi soggetti.

La stima dell'attendibilità test-retest. può essere utilizzata solo per caratteristiche psicologiche stabili nel tempo. è utile per le caratteristiche psicologiche che variano rapidamente. può essere utilizzata solo per caratteristiche psicologiche variabili nel tempo. può essere utilizzata per i test di prestazione massima.

L'alpha di Cronbach è un indice. della dimensionalità di un test. della coerenza interna di un test. della validità di un test. della difficoltà di un test.

Per misurare quanto le risposte agli item di uno stesso test sono fra loro stabili e coerenti si utilizza. l'errore standard di misurazione. l'alpha di Cronbach. la varianza campionaria. la comunalità.

Un valore di alpha di Cronbach maggiore di .90 indica che la coerenza interna del test è. discreta. sufficiente. ottima. inadeguata.

Un valore di alpha di Cronbach inferiore .60 indica che la coerenza interna del test è. ottima. inadeguata. discreta. sufficiente.

La profezia di Spearman Brown è una formula che permette di. stimare quale sarebbe l’attendibilità del test se venisse aggiunto o tolto un certo numero di item paralleli. stimare quale sarebbe l'attendibilità di un test se somministrato a soggetti diversi. stimare l'attendibilità di un test attraverso le forme parallele. stimare quale sarebbe l'attendibilità di un test se venisse somministrato dopo un intervallo di tempo.

Per la stima dell'attendibilità split-half. si somministrano due forme alternative del test agli stessi soggetti. si somministra lo stesso test agli stessi soggetti a distanza di tempo. si somministrano due forme parallele del test a distanza di tempo. viene calcolata la correlazione tra le due metà di un unico test.

I metodi per la stima dell'attendibilità mediante una somministrazione sono. forme parallele e alpha di cronbach. split-half e test-retest. alpha di cronbach e KR-20. forme parallele e test-retest.

Il grado in cui gli item di un test sono coerenti nel misurare il costrutto in oggetto è. la validità. la coerenza interna. la dimensionalità. la comunalità.

L'indice KR-20 è un indice. per stimare l'attendibilità nei test di prestazione massima che rappresenta la media di tutte le possibili attendibilità split-half è. per stimare l'attendibilità nei test di prestazione massima attraverso il metodo del test-retest. per stimare l'attendibilità nei test di prestazione tipica che rappresenta la media di tutte le possibili attendibilità split-half è. per stimare l'attendibilità nei test di prestazione massima attraverso il metodo delle forme parallele.

Una adeguata coerenza interna del test. è una condizione necessaria e sufficiente per l'unidimensionalità del test. non è una condizione necessaria affinché il test sia unidimensionale. nessuna delle alternative. è una condizione necessaria ma non sufficiente per l'unidimensionalità del test.

Le tre tipologie di validità di criterio sono. concorrente, predittiva, postdittiva. test-retest, split-half, forme parallele. alpha di cronbach, KR-20, DR-21. concorrente, di contenuto, di facciata.

Concorrente, predittiva e postdittiva sono tipologie di. validità di contenuto. validità di criterio. validità nomologica. validità di facciata.

La capacità di un test di predire una prestazione/classificazione del soggetto ottenuta simultaneamente al test è. validità postdittiva. validità di contenuto. validità concorrente. validità predittiva.

La capacità di un test di predire una prestazione/classificazione del soggetto ottenuta dopo che è trascorso del tempo, rispetto alla somministrazione del test è. validità di contenuto. validità concorrente. validità postdittiva. validità predittiva.

Campbell e Fiske nel 1959 propongono. l'analisi fattoriale confermativa. l'analisi della matrice multi-tratto multi-metodo. l'analisi fattoriale esplorativa. l'analisi delle componenti principali.

Messick nel 1995 ha individuato 6 diversi aspetti per la validità. di criterio. concorrente. di contenuto. di costrutto.

Validità convergente e validità discriminante sono utilizzate per valutare. la validità di costrutto. la validità di contenuto. la validità nomologica. la validità di facciata.

Campbell e Fiske nel 1959 sostengono che per valutare la validità di un test occorre. prendere in considerazione la varianza dovuta al metodo. prendere in considerazione solo la validità di contenuto. prendere in considerazione solo la validità di criterio. non prendere in considerazione la varianza dovuta al metodo.

La validità convergente si dimostra verificando la presenza di. coerenza delle operazionalizzazioni del costrutto. accordo tra giudici diversi rispetto a che cosa misura il test. correlazioni trascurabili con misure di costrutti concettualmente diversi da quello in esame. associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto.

La presenza di associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto è indicatrice di. validità convergente. validità divergente. validità di facciata. validità di contenuto.

La validità divergente/discriminante si dimostra verificando la presenza di. accordo tra giudici diversi rispetto a che cosa misura il test. coerenza delle operazionalizzazioni del costrutto. correlazioni trascurabili con misure di costrutti concettualmente diversi da quello in esame. associazioni tra procedure di misurazione indipendenti progettate per misurare lo stesso costrutto.

La validità che è definita come contenitore che racchiude tutte le fonti di evidenza empirica che supportano le interpretazioni specifiche di un punteggio, è la validità. di criterio. di contenuto. concorrente. di costrutto.

Per costruire una matrice multi-tratto multi-metodo occorre. Una misura di un costrutto diverso da quello in esame ottenuta con lo stesso metodo usato nel test. tutte le alternative. Una misura dello stesso costrutto del test in esame ma ottenuta con un diverso metodo. Una misura di un costrutto diverso da quello in esame ottenuta con un metodo diverso da quello usato nel test.

Gli elementi all'interno della matrice multi-tratto multi-metodo sono utilizzati per valutare. la validità di contenuto e di facciata. la validità statistica e di contenuto. la validità di criterio e di contenuto. la validità convergente e la validità discriminante.

Quali elementi della matrice multi-tratto multi-metodo sono utilizzati per valutare la validità di costrutto?. entrambe le alternative. nessuna delle alternative. i coefficienti etero-tratto mono metodo. i coefficienti mono-tratto etero-metodo.

Nella diagonale principale della matrice multi-tratto multi-metodo è contenuta. la validità di contenuto delle misure. la validità convergente delle misure. l'attendibilità delle misure. la validità divergente delle misure.

La valutazione della validità di costrutto di un test si basa sulla. la coerenza delle operazionalizzazioni del costrutto. matrice multi-tratto multi-metodo. la coerenza interna. l'analisi fattoriale esplorativa.

La matrice multi-tratto multi-metodo viene utilizzata per valutare. la validità di costrutto. la validità statistica. la validità di facciata. la validità di contenuto.

L'errore standard di misurazione (SEM). dipende dai dati raccolti e dal campione. si stima in assenza di dati sull'attendibilità del test. varia in base al livello del costrutto. è indipendente dai dati raccolti e dal campione.

L'errore standard di misurazione (SEM). si stima in assenza di dati sull'attendibilità del test. è indipendente dai dati raccolti e dal campione. viene assunto uguale per ogni livello del costrutto. varia in base ai livelli del costrutto.

L'errore standard di misurazione (SEM). è indipendente dai dati raccolti e dal campione. si stima in assenza di dati sull'attendibilità del test. viene assunto uguale per tutti i soggetti. varia in base ai livelli del costrutto.

L'indice che permette di fare valutazioni circa la precisione del punteggio al test dei soggetti è. l'errore standard di misurazione (SEM). l'indice di validità. la distanza di Mahalanobis. l'indice di correlazione r.

Nella formula per calcolare il punteggio vero di un soggetto al test V = Mx + rtt (X-Mx), rtt rappresenta. l'attendibilità dell'item. l'attendibilità del test. la correlazione dell'item. la validità dell'item.

In base alla Teoria Classica dei Test, se un test fosse somministrato infinite volte a un soggetto. gli errori di misura sommerebbero a 0, se sono casuali. entrambe le alternative. i punteggi si distribuirebbero seguendo la distribuzione normale. nessuna delle alternative.

In base alla Teoria Classica dei Test, quando il test è somministrato una sola volta, il punteggio osservato X. coincide con il punteggio vero. è solo uno dei possibili punteggi che un soggetto potrebbe ottenere al test. coincide con l'errore di misurazione. non può essere calcolato.

La deviazione standard degli errori di misurazione che è associata ai punteggi a un test per uno specifico gruppo di esaminandi è. l'attendibilità. l'errore standard di misurazione (SEM). la varianza spiegata. il punteggio fattoriale.

Se un test ha attendibilità uguale a 1, l'errore standard di misurazione. è uguale a -1. è uguale a 0. è uguale a 1. non è stimabile.

Il punteggio vero di un soggetto a un test può essere stimato in base a. punteggio fattoriale e errore di misurazione. punteggio osservato e attendibilità del test. punteggio osservato e punteggio fattoriale. attendibilità e validità del test.

Attraverso il punteggio osservato di un soggetto l'indice di attendibilità è possibile. stimare il punteggio vero del soggetto al test. stimare la validità del test. stimare il punteggio fattoriale al test. stimare le caratteristiche fondamentali degli item.

Il punteggio vero di un soggetto al test. nessuna delle alternative. coincide con il punteggio grezzo. non può essere stimato a causa dell'errore casuale. può essere stimato in base al punteggio osservato e all'attendibilità del test.

Il punteggio calcolato sommando i punteggi agli item è. il punteggio fattoriale. il punteggio vero. il punteggio grezzo. il punteggio osseservato privo dell'errore di misurazione.

Nella formula per calcolare l'errore standard di misurazione, oltre alla deviazione standard dei punteggi osservati è presente. il punteggio medio al test. il punteggio vero ottenuto soggetto. il punteggio fattoriale ottenuto dal soggetto. l'attendibilità.

Nella formula per calcolare il punteggio vero di un soggetto al test V = Mx + rtt (X-Mx), X rappresenta. la variabile dipendente. il punteggio fattoriale ottenuto dal soggetto. l'errore di misurazione. il punteggio grezzo ottenuto dal soggetto.

L'errore standard di misurazione è uguale a 0 quando. l'attendibilità del test è uguale a 0. l'attendibilità del test è uguale 1. l'attendibilità del test è uguale a -1. l'attendibilità del test non è stata calcolata.

Nella formula per calcolare l'errore standard di misurazione, oltre all'attendibilità è presente. il punteggio vero ottenuto soggetto. il punteggio fattoriale ottenuto dal soggetto. la deviazione standard dei punteggi osservati. il punteggio medio al test.

Per confrontare i punteggi ottenuti da due soggetti diversi allo stesso test si utilizza. l'errore standard di misurazione (SEM). l'indice di correlazione r. l'indice di simmetria. l'indice di validità.

Nella formula per calcolare l'intervallo di fiducia del punteggio osservato, oltre al punteggio vero del soggetto è presente. l'indice di validità. l'indice di correlazione dell'item. il punteggio fattoriale del soggetto. l'errore standard di misurazione (SEM).

Per confrontare punteggi dello stesso soggetto a due diversi test si utilizza. l'indice di simmetria. l'indice di validità. l'indice di correlazione r. l'errore standard di misurazione (SEM).

L'errore standard di misurazione (SEM) viene utilizzato per. confrontare la validità di due test diversi dello stesso costrutto. confrontare punteggi ottenuti da due soggetti diversi allo stesso test. confrontare le saturazioni fattoriali degli item sui diversi fattori. confrontare le soluzioni fattoriali ottenute estraendo un diverso numero di fattori.

L'errore standard di misurazione (SEM) viene utilizzato per. confrontare punteggi dello stesso soggetto a due diversi test. confrontare punteggi ottenuti da due soggetti diversi allo stesso test. confrontare punteggi dello stesso soggetto allo stesso test in due momenti diversi. tutte le alternative.

Nella formula per calcolare l'intervallo di fiducia del punteggio osservato, oltre all'errore standandard di misurazione è presente. il punteggio vero del soggetto. l'indice di validità. l'indice di correlazione dell'item. il punteggio fattoriale del soggetto.

L'errore standard di misurazione (SEM) viene utilizzato per. confrontare punteggi dello stesso soggetto allo stesso test in due momenti diversi. confrontare le saturazioni fattoriali degli item sui diversi fattori. confrontare le soluzioni fattoriali ottenute estraendo un diverso numero di fattori. confrontare la validità di due test diversi dello stesso costrutto.

L'errore standard di misurazione (SEM) è utilizzato per. calcolare la validità del test. calcolare l'alpha di Cronbach. calcolare i punteggi fattoriali. calcolare gli intervalli di fiducia del punteggio vero.

Per calcolare gli intervalli di fiducia del punteggio vero si utilizza. l'errore standard di misurazione (SEM). la comunalità. il punteggio fattoriale ottenuto dal soggetto. l'indice di validità.

Per confrontare punteggi dello stesso soggetto allo stesso test in due momenti diversi si utilizza. l'indice di simmetria. il Reliable Change Index. l'indice di correlazione r. l'indice di validità.

Il Reliable Change Index permette di. verificare il fit del modello di misura. calcolare l'attendibilità test-retest. calcolare l'alpha di Cronbach. confrontare punteggi dello stesso soggetto allo stesso test in due momenti diversi.

Per confrontare i punteggi ottenuti da due soggetti diversi allo stesso test si utilizza. la verifica delle ipotesi. gli intervalli di fiducia. entrambe le alternative. nessuna delle alternative.

L'errore standard di misurazione (SEM) viene utilizzato per. confrontare punteggi dello stesso soggetto a due diversi test. confrontare le saturazioni fattoriali degli item sui diversi fattori. confrontare le soluzioni fattoriali ottenute estraendo un diverso numero di fattori. confrontare la validità di due test diversi dello stesso costrutto.

Per selezionare il campione normativo spesso si utilizza. entrambe le alternative. il campionamento per quote. nessuna delle alternative. il campionamento di convenienza.

Le formule per il calcolo del numero di soggetti da includere nel campione normativo. si applicano indistintamente a situazioni in cui l'ampiezza della popolazione sia nota o no. possono essere applicate solo nel caso in cui l'ampiezza della popolazione sia nota. possono essere applicate solo nel caso in cui l'ampiezza della popolazione non sia nota. si differenziano in base al fatto che l'ampiezza della popolazione sia nota oppure no.

Le formule per il calcolo del numero di soggetti da includere nel campione normativo. sono uguali per test di prestazione massima e test di prestazione tipica. non possono essere applicate nei test di prestazione massima. si differenziano tra test di prestazione massima e test di prestazione tipica. non possono essere applicate nei test di prestazione tipica.

Nel calcolo del numero di soggetti da includere nel campione normativo, il margine di errore è. nessuna delle alternative. l'attendibilità del test. la probabilità dell'intervallo di fiducia. la precisione della stima che possiamo raggiungere con il campione a disposizione.

Per calcolare il numero di soggetti adeguati per un campione normativo si utilizza. il livello di fiducia. tutte le alternative. il margine di errore. la varianza della popolazione.

Il campione normativo è il gruppo di soggetti le cui risposte sono utilizzate. come criterio per valutare se le risposte dei soggetti si distribuiscono normalmente. come criterio per valutare le riposte di qualunque soggetto al quale viene somministrato il test. per verificare le caratteristiche psicometriche degli item. per verificare il rispetto delle caratteristiche fondamentali degli item.

Il gruppo di soggetti le cui risposte sono prese come criterio per valutare le riposte di qualunque soggetto al quale viene somministrato il test è. il campione normale. il campione pilota. tutte le alternative. il campione normativo.

Il punteggio grezzo ottenuto da un soggetto a un test. entrambe le alternative. può essere interpretato se messo in relazione a un punteggio normativo. entrambe le alternative. può essere interpretato se messo in relazione con le decisioni del somministratore.

Il punteggio normativo indica. quanto è lontana la prestazione di un soggetto da quella più frequente nella popolazione di riferimento. quanto il punteggio del soggetto rispetta la normativa vigente. se il test è conforme alle norme vigenti. se il punteggio del soggetto è normale.

I punteggi di riferimento nella popolazione, cioè ovalori che corrispondono a statistiche descrittive dei punteggi al test calcolate sul campione di standardizzazione sono i. i punteggi grezzi. punteggi normativi. i punteggi veri. i punteggi fattoriali.

La standardizzazione dei punteggi mediante punteggi standard avviene. trasformando i punteggi grezzi in punteggi medi. trasformando i punteggi grezzi in punteggi z. trasformando i punteggi grezzi in punteggi veri. trasformando i punteggi grezzi in punteggi fattoriali.

I punteggi stadardizzati mediante ranghi percentili. possono essere utilizzati per analisi dei dati di tipo metrico. nessuna delle alternative. non permettono di conoscere l’effettiva distanza in termini di quantità di costrutto posseduto fra due percentili consecutivi. entrambe le alternative.

In una standardizzazione dei punteggi attraverso ranghi percentili, i percentili. nessuna delle alternative. non danno alcuna informazione sull’entità della differenza tra due punteggi. entrambe le alternative. rappresentano la posizione relativa del punteggio di un soggetto rispetto al campione normativo in un’ideale scala da 1 a 100.

Le tavole di conversione nel manuale del test permettono di convertire. il punteggio grezzo in punteggio standard. il punteggio grezzo in punteggio normale. il punteggio grezzo in punteggio vero. il punteggio grezzo in punteggio osservato.

La trasformazione in punti T riporta i punteggi a una distribuzione che. ha media 500 e deviazione standard 100. ha media 50 e deviazione standard 10. ha media 0 e deviazione standard 1. ha media 0 e deviazione standard 10.

La standardizzazione dei punteggi può essere eseguita. mediante punteggi standard. mediante ranghi percentili. entrambe le alternative. nessuna delle alternative.

La standardizzazione dei punteggi viene eseguita mediante ranghi percentili quando. i punteggi variano poco. i punteggi sono vicini alla media. i punteggi non si distribuiscono normalmente. i punteggi si distribuiscono normalmente.

La standardizzazione dei punteggi viene eseguita mediante punteggi standard quando. i punteggi non si distribuiscono normalmente. i punteggi variano poco. i punteggi sono vicini alla media. i punteggi si distribuiscono normalmente.

Per interpretare i punteggi ottenuti a un test si dovrebbe. utilizzare le norme differenziate in base a caratteristiche socio-demografiche. nessuna delle alternative. usare le stesse norme indipendente dalle caratteristiche socio-demografiche del soggetto. usare norme provenienti da campioni di nazionalità diversa.

Per interpretare i punteggi ottenuti a un test si dovrebbe. usare le stesse norme indipendente dalle caratteristiche socio-demografiche del soggetto. nessuna delle alternative. usare norme provenienti da campioni di nazionalità diversa. evitare di usare le stesse norme indipendente dalle caratteristiche socio-demografiche del soggetto.

Nella sezione del manuale del test relativa alle norme ci dovrebbe essere. la procedura di scoring e standardizzazione dei punteggi. la descrizione dei profili prototipici dei punteggi nelle sottoscale nel caso il test produca più di un punteggio. tutte le alternative. informazioni sull'ampiezza, la tipologia e la rappresentatività del campione normativo.

Il manuale del test dovrebbe contenere. entrambe le alternative. la descrizione degli studi di validazione e le norme del test. la definizione del costrutto e le procedure di sviluppo degli item. nessuna delle alternative.