Hoofdstuk 1 – Why & what
Geschiedenis
Eerste test door Chinezen. Competentie testen van publieke figuren.
In 19e eeuw: ontwikkeling classificatiesystemen om mentale problemen in te delen.
Ontwikkeld door artsen/psychiaters.
o Galton: Zette lab op in Londen. Verzameling van o.a. fysieke (hartslag, temp.) en
sensorische (reactiesnelheid etc.) data van 17.000 mensen.
o Cattel: Zelfde standpunten als Galton. Heeft meerdere psychologische labs opgezet.
o Wissler: Student van Cattel. Voorzetten van zijn werk. Vond dat sensorisch-motorische
metingen (gebruikt als bepaler van IQ) niet correleerden met academisch succes.
In 20e eeuw: Binet. Stelde test op voor het voorspellen van academisch succes.
Verder veel tests oorsprong in leger. Zowel intelligentie als persoonlijkheid.
Begrippen
o Test = Procedure waarbij een ‘sample’ van iemands gedrag wordt verkregen,
geëvalueerd en gescoord op basis van gestandaardiseerde procedures.
o Meting (measurement) = Set van regels voor het toewijzen van nummers om objecten,
trekken, gedragingen etc. te representeren.
o Assessment = Systematische procedure om info te verzamelen waarvan gebruik kan
worden gemaakt om conclusies te trekken over de karakteristieken van mensen of
objecten.
o Betrouwbaarheid = Gaat over de stabiliteit/consistentie van testscores
o Validiteit = Gaat over de juistheid van de interpretatie van testscores
o Construct = De kenmerken/eigenschappen die een test beoogt te meten. Er zijn
meerdere manieren om een construct te meten.
o Error = bepaalde mate van error hoort bij alle metingen. Wel nodig om aantal
meetfouten/mate van error te minimaliseren.
o Halo effect = Als mensen uitblinken in een bepaalde eigenschap, worden vaak ook
andere positieve eigenschappen toegeschreven, ook als daar geen aanwijzing voor is.
Belangrijke beslissingen zouden niet gemaakt moeten worden op basis van één enkele test.
Maar: informatie verkregen door test helpen psychologen wel om betere beslissingen te
maken. Een psychologisch assessment is niet perfect, maar voorziet wel van handige info.
Soorten tests
o Maximum performance tests = om de bovenste grens van iemands kennis/vermogen te
meten.
Achievement tests: het testen van kennis en vermogens in een gebied waarin de
geteste een instructie heeft gekregen
→ Speedtest: succes hangt af van de verschillen in snelheid van de uitvoering, bijv.
een typtest op tijd.
→ Powertest: succes hangt af van de moeilijkheid van de items die de geteste goed
kan beantwoorden, bijv. een spellingstoets waarbij de woorden steeds moeilijker
worden
Aptitude (aanleg) tests: het testen van kennis en vermogens die zijn verkregen als
een resultaat van levenservaringen, algemene kennis
, → Speedtest: bijv. een test op tijd waarbij de geteste snel groepen symbolen scant
en de symbolen die aan de genoemde criteria voldoen markeert
→ Powertest: bijv. een test over non-verbaal redeneren en probleemoplossing
waarbij de opdrachten steeds moeilijker worden
o Typical respons tests = zijn ontworpen om het typische gedrag en karakteristieken van
mensen te meten
Objectieve persoonlijkheidstests: bijv. wanneer de geteste juist-onjuist vragen moet
maken over persoonlijke overtuigingen en voorkeuren
Projectieve persoonlijkheidstests: bijv. wanneer de geteste naar een inktvlek moet
kijken en moet beschrijven wat hij/zij erin ziet
Soorten scores
o Normgericht: Bij de interpretatie wordt de score van iemand vergeleken met de scores
van anderen. Bijvoorbeeld als je zegt dat iemand beter scoorde dan 95% van de rest.
o Criteriumgericht: Bij de interpretatie wordt de score van iemand vergeleken met een
vooraf gestelde maat voor prestatie. Niet in relatie tot anderen.
Normgerichte interpretatie is relatief en criteriumgerichte interpretatie is absoluut.
Waarom testen?
Mensen zijn slecht in het objectief beoordelen. Bij de meeste assessment procedures waar
geen ‘test’ wordt gebruikt, is er sprake van selectieve beoordeling.
Reden dat we tests gebruiken is het geloof dat zij informatie leveren over belangrijke
psychologische constructen die psychologen helpen om betere beslissingen te nemen.
Hoofdstuk 3 – Meaning of test scores
Normgerichte interpretaties
Je vergelijkt score met een referentiegroep. Letten op volgende dingen:
o Is de gestandaardiseerde ‘sample’ representatief voor het type individuen die een test
gaan afnemen?
o Is dit de goede referentiegroep?
o Is het een sample uit de afgelopen tijd? (niet bijv. 20 jaar oud)
o Is de sample groot genoeg om stabiele statistische informatie te verzorgen?
Verder: is de test onder dezelfde omstandigheden afgenomen bij de participanten?
Standaardscores = transformaties van ruwe scores tot een bepaalde schaal met een vooraf
bepaald gemiddelde en standaardafwijking. (Vaak een lineaire transformatie.)
Xi = ruwe score van een individu waarbij test i is afgenomen
X (met streepje erop) = gemiddelde van de ruwe scores
SDx = standaardafwijking van de ruwe scores
SDss = gewenste standaardafwijking van de afgeleide standaardscores
Xss = gewenste gemiddelde van de afgeleide of standaardscores
z-score = de simpelste standaardscore format die aangeeft hoe ver de ruwe score boven of
onder het gemiddelde van de verdeling ligt.
Xi = ruwe score van een individu i
X (met streepje erop) = gemiddelde van de ruwe scores
SD = standaardafwijking van de ruwe scores
, Bij z-score: gemiddelde van 0 en een standaardafwijking van 1.
Bij T-score: gemiddelde 50, standaardafwijking 10.
Bij IQ: gemiddelde 100, standaardafwijking 15
Bij CEEB (College Entrance Examination Board): gemiddelde 500, standaardafwijking 100
Bij T, IQ en CEEB: voordeel dat je geen negatieve waarden krijgt en geen decimalen
Genormaliseerde standaardscores: standaardscores gebaseerd op onderliggende
verdelingen die oorspronkelijk niet normaal verdeeld waren, maar daar wel toe zijn
getransformeerd. Non-lineaire transformatie.
Alleen te gebruiken wanneer de steekproef niet normaal verdeeld is door meetfouten o.i.d.,
niet wanneer de steekproef niet normaal verdeeld is omdat de variabele dat niet is.
Stanine-scores: Non-lineaire transformatie. Verdelen van de verdeling in 9 even grote
groepen. Gemiddelde van 5 en standaardafwijking van 2. Niet erg precies doordat er maar 9
groepen zijn.
Percentielscores: Waarde die hoort bij een ruwe score en geeft het percentage in de
verdeling van de scores die een lager zijn dan de ruwe score. Bijv. een percentielscore van
60: 60% heeft lager gescoord dan een bepaalde score.
Percentiel: Ruwe score waarvoor geldt dat een bepaald percentage in de verdeling van
scores er onder ligt. Bijv. als 104 het 60e percentiel is: 60% van de scores zijn lager of gelijk
aan 104.
Criteriumgerichte interpretaties
Deze interpretaties benadrukken wat iemand weet of kan, en niet de relatieve positie van
iemand (in vergelijking met anderen).
Bijvoorbeeld percentage correcte antwoorden.
Of: mastery testing = gaat over het bepalen of iemand een specifiek niveau van het
beheersen van kennis en vaardigheden heeft bereikt. Wordt meestal gerapporteerd met
behulp van een alles-of-niets score, zoals ‘voldaan’ of ‘niet voldaan’.
Kan ook andere varianten: niet een alles-of-niets score maar bijvoorbeeld
onvoldoende/voldoende/ruim voldoende/goed.
Item respons theorie (IRT)
Moderne testtheorie dat een grote invloed heeft gehad op testontwikkeling. IRT is een
verzameling statistische modellen die beschrijven hoe antwoorden van personen op
testitems tot stand komen.
Hoofdstuk 7 – Item Analysis
Itemanalyse
= onderzoeken van afzonderlijke items van een test.
De betrouwbaarheid en validiteit van testscores is afhankelijk van de kwaliteit van de items.
Als je de kwaliteit van de items verbetert, dan verbeter je de kwaliteit van de hele test.
Itemmoeilijkheid (p) = het percentage personen dat een item goed beantwoord. Hoe lager
het percentage, hoe moeilijker het item (want minder mensen goed).
De optimale p is 0.50 (=50% beantwoordt goed, 50% fout). Is optimaal omdat het variabiliteit
en betrouwbaarheid vergroot. Bij meerkeuzevragen vaak hoger, ongeveer 0.74.
Geschiedenis
Eerste test door Chinezen. Competentie testen van publieke figuren.
In 19e eeuw: ontwikkeling classificatiesystemen om mentale problemen in te delen.
Ontwikkeld door artsen/psychiaters.
o Galton: Zette lab op in Londen. Verzameling van o.a. fysieke (hartslag, temp.) en
sensorische (reactiesnelheid etc.) data van 17.000 mensen.
o Cattel: Zelfde standpunten als Galton. Heeft meerdere psychologische labs opgezet.
o Wissler: Student van Cattel. Voorzetten van zijn werk. Vond dat sensorisch-motorische
metingen (gebruikt als bepaler van IQ) niet correleerden met academisch succes.
In 20e eeuw: Binet. Stelde test op voor het voorspellen van academisch succes.
Verder veel tests oorsprong in leger. Zowel intelligentie als persoonlijkheid.
Begrippen
o Test = Procedure waarbij een ‘sample’ van iemands gedrag wordt verkregen,
geëvalueerd en gescoord op basis van gestandaardiseerde procedures.
o Meting (measurement) = Set van regels voor het toewijzen van nummers om objecten,
trekken, gedragingen etc. te representeren.
o Assessment = Systematische procedure om info te verzamelen waarvan gebruik kan
worden gemaakt om conclusies te trekken over de karakteristieken van mensen of
objecten.
o Betrouwbaarheid = Gaat over de stabiliteit/consistentie van testscores
o Validiteit = Gaat over de juistheid van de interpretatie van testscores
o Construct = De kenmerken/eigenschappen die een test beoogt te meten. Er zijn
meerdere manieren om een construct te meten.
o Error = bepaalde mate van error hoort bij alle metingen. Wel nodig om aantal
meetfouten/mate van error te minimaliseren.
o Halo effect = Als mensen uitblinken in een bepaalde eigenschap, worden vaak ook
andere positieve eigenschappen toegeschreven, ook als daar geen aanwijzing voor is.
Belangrijke beslissingen zouden niet gemaakt moeten worden op basis van één enkele test.
Maar: informatie verkregen door test helpen psychologen wel om betere beslissingen te
maken. Een psychologisch assessment is niet perfect, maar voorziet wel van handige info.
Soorten tests
o Maximum performance tests = om de bovenste grens van iemands kennis/vermogen te
meten.
Achievement tests: het testen van kennis en vermogens in een gebied waarin de
geteste een instructie heeft gekregen
→ Speedtest: succes hangt af van de verschillen in snelheid van de uitvoering, bijv.
een typtest op tijd.
→ Powertest: succes hangt af van de moeilijkheid van de items die de geteste goed
kan beantwoorden, bijv. een spellingstoets waarbij de woorden steeds moeilijker
worden
Aptitude (aanleg) tests: het testen van kennis en vermogens die zijn verkregen als
een resultaat van levenservaringen, algemene kennis
, → Speedtest: bijv. een test op tijd waarbij de geteste snel groepen symbolen scant
en de symbolen die aan de genoemde criteria voldoen markeert
→ Powertest: bijv. een test over non-verbaal redeneren en probleemoplossing
waarbij de opdrachten steeds moeilijker worden
o Typical respons tests = zijn ontworpen om het typische gedrag en karakteristieken van
mensen te meten
Objectieve persoonlijkheidstests: bijv. wanneer de geteste juist-onjuist vragen moet
maken over persoonlijke overtuigingen en voorkeuren
Projectieve persoonlijkheidstests: bijv. wanneer de geteste naar een inktvlek moet
kijken en moet beschrijven wat hij/zij erin ziet
Soorten scores
o Normgericht: Bij de interpretatie wordt de score van iemand vergeleken met de scores
van anderen. Bijvoorbeeld als je zegt dat iemand beter scoorde dan 95% van de rest.
o Criteriumgericht: Bij de interpretatie wordt de score van iemand vergeleken met een
vooraf gestelde maat voor prestatie. Niet in relatie tot anderen.
Normgerichte interpretatie is relatief en criteriumgerichte interpretatie is absoluut.
Waarom testen?
Mensen zijn slecht in het objectief beoordelen. Bij de meeste assessment procedures waar
geen ‘test’ wordt gebruikt, is er sprake van selectieve beoordeling.
Reden dat we tests gebruiken is het geloof dat zij informatie leveren over belangrijke
psychologische constructen die psychologen helpen om betere beslissingen te nemen.
Hoofdstuk 3 – Meaning of test scores
Normgerichte interpretaties
Je vergelijkt score met een referentiegroep. Letten op volgende dingen:
o Is de gestandaardiseerde ‘sample’ representatief voor het type individuen die een test
gaan afnemen?
o Is dit de goede referentiegroep?
o Is het een sample uit de afgelopen tijd? (niet bijv. 20 jaar oud)
o Is de sample groot genoeg om stabiele statistische informatie te verzorgen?
Verder: is de test onder dezelfde omstandigheden afgenomen bij de participanten?
Standaardscores = transformaties van ruwe scores tot een bepaalde schaal met een vooraf
bepaald gemiddelde en standaardafwijking. (Vaak een lineaire transformatie.)
Xi = ruwe score van een individu waarbij test i is afgenomen
X (met streepje erop) = gemiddelde van de ruwe scores
SDx = standaardafwijking van de ruwe scores
SDss = gewenste standaardafwijking van de afgeleide standaardscores
Xss = gewenste gemiddelde van de afgeleide of standaardscores
z-score = de simpelste standaardscore format die aangeeft hoe ver de ruwe score boven of
onder het gemiddelde van de verdeling ligt.
Xi = ruwe score van een individu i
X (met streepje erop) = gemiddelde van de ruwe scores
SD = standaardafwijking van de ruwe scores
, Bij z-score: gemiddelde van 0 en een standaardafwijking van 1.
Bij T-score: gemiddelde 50, standaardafwijking 10.
Bij IQ: gemiddelde 100, standaardafwijking 15
Bij CEEB (College Entrance Examination Board): gemiddelde 500, standaardafwijking 100
Bij T, IQ en CEEB: voordeel dat je geen negatieve waarden krijgt en geen decimalen
Genormaliseerde standaardscores: standaardscores gebaseerd op onderliggende
verdelingen die oorspronkelijk niet normaal verdeeld waren, maar daar wel toe zijn
getransformeerd. Non-lineaire transformatie.
Alleen te gebruiken wanneer de steekproef niet normaal verdeeld is door meetfouten o.i.d.,
niet wanneer de steekproef niet normaal verdeeld is omdat de variabele dat niet is.
Stanine-scores: Non-lineaire transformatie. Verdelen van de verdeling in 9 even grote
groepen. Gemiddelde van 5 en standaardafwijking van 2. Niet erg precies doordat er maar 9
groepen zijn.
Percentielscores: Waarde die hoort bij een ruwe score en geeft het percentage in de
verdeling van de scores die een lager zijn dan de ruwe score. Bijv. een percentielscore van
60: 60% heeft lager gescoord dan een bepaalde score.
Percentiel: Ruwe score waarvoor geldt dat een bepaald percentage in de verdeling van
scores er onder ligt. Bijv. als 104 het 60e percentiel is: 60% van de scores zijn lager of gelijk
aan 104.
Criteriumgerichte interpretaties
Deze interpretaties benadrukken wat iemand weet of kan, en niet de relatieve positie van
iemand (in vergelijking met anderen).
Bijvoorbeeld percentage correcte antwoorden.
Of: mastery testing = gaat over het bepalen of iemand een specifiek niveau van het
beheersen van kennis en vaardigheden heeft bereikt. Wordt meestal gerapporteerd met
behulp van een alles-of-niets score, zoals ‘voldaan’ of ‘niet voldaan’.
Kan ook andere varianten: niet een alles-of-niets score maar bijvoorbeeld
onvoldoende/voldoende/ruim voldoende/goed.
Item respons theorie (IRT)
Moderne testtheorie dat een grote invloed heeft gehad op testontwikkeling. IRT is een
verzameling statistische modellen die beschrijven hoe antwoorden van personen op
testitems tot stand komen.
Hoofdstuk 7 – Item Analysis
Itemanalyse
= onderzoeken van afzonderlijke items van een test.
De betrouwbaarheid en validiteit van testscores is afhankelijk van de kwaliteit van de items.
Als je de kwaliteit van de items verbetert, dan verbeter je de kwaliteit van de hele test.
Itemmoeilijkheid (p) = het percentage personen dat een item goed beantwoord. Hoe lager
het percentage, hoe moeilijker het item (want minder mensen goed).
De optimale p is 0.50 (=50% beantwoordt goed, 50% fout). Is optimaal omdat het variabiliteit
en betrouwbaarheid vergroot. Bij meerkeuzevragen vaak hoger, ongeveer 0.74.
