ارزیابی ویژگی های روان سنجی نسخه فارسی پرسشنامه نگرش ها درباره یادگیری علوم با بهره گیری از مدل سوال پاسخ چند ارزشی
محل انتشار: فصلنامه روانشناسی شناختی، دوره: 8، شماره: 1
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 29
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCPKH-8-1_001
تاریخ نمایه سازی: 18 اردیبهشت 1403
چکیده مقاله:
پژوهشگران حوزه آموزش علوم بر این باور هستند که نگرش افراد درباره یادگیری در آینده درسی آن ها تاثیر چشمگیری دارد و آنچه که از علوم خواهند آموخت بی ارتباط با این نگرش ها نخواهد بود. ابزارهایی برای اندازه گیری نگرش نسبت به علوم توسعه ارائه شده است. یکی از جدیدترین آن ها پرسشنامه نگرش ها نسبت به یادگیری علوم کلرادو مشهور به CLASS است. که در کشور ما برای استفاده پژوهشگران حوزه آموزش و روانشناسی، استانداردسازی نشده است. پژوهش از نوع توصیفی است که مبتنی بر طرح های ابزارسازی و بررسی ویژگی های روان سنجی ابزار است. در این پژوهش از ۴۷۶ دانش آموز مقطع متوسطه دوم در رشته های تحصیلی تجربی و ریاضی برای بررسی ویژگی های روان سنجی پرسشنامه مذکور استفاده شده است. از تحلیل عاملی تاییدی به منظور بررسی ساختار عاملی پرسشنامه و از مدل پاسخ مدرج در نظریه سوال پاسخ برای تحلیل گویه ها استفاده شد. تحلیل عاملی تاییدی، همه ۸ عامل پرسشنامه را مورد تایید قرار داده ضریب آلفای کرونباخ برای همه عامل ها مقادیری از ۷۰۱/۰ تا ۸۹۱/۰ را شامل می شدند. گویه های پرسشنامه ضمن داشتن برازش مناسب با مدل چند ارزشی پاسخ مدرج دارای پارامترهای تشخیص و پارامتر آستانه مطلوبی بودند. به لحاظ شاخص های کلاسیک اندازه گیری همچون پایایی و روایی سازه و همچنین پارامترهای برآورد شده در نظریه سوال پاسخ، گویه ها و ساختار این پرسشنامه مطلوب ارزیابی می شود و پژوهشگران کاربرد نسخه فارسی این پرسشنامه را برای بررسی نگرش ها درباره علوم به خصوص فیزیک مناسب می دانند.
کلیدواژه ها:
نویسندگان
مجتبی جهانی فر
shahid chamran university of Ahvaz, Ahvaz, Iran
حجت اله درفش
shahid chamran university of Ahvaz, Ahvaz, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :