Psychometrie en besliskunde HC 5
Transcriptie HC 5
Betrouwbaarheid deel 1:
KTT, Test-hertest, Spearman Brown,
testverlening, SPSS
Dia 2:
Daar komt dan wat uit, een getal. Misschien wel een van de belangrijkste dingen van psychometrie is
dat je weet wat dat cijfer betekend en hoe relatief dat het is.
Dia 3:
Ik zit midden in de roos qua wat ik had moeten meten. Het kruisje is precies het zwarte bolletje dat ik
graag wilde meten. Ik heb het goed gemeten.
Dia 4:
Maar wie zegt mij dat ik niet dit heb? Dat kan ik aan dat eerste meetinkje zo niet zien.
Als ik dit heb gemeten (X) maar ik had dit willen meten (het zwarte bolletje), dan heb ik een
probleem. Dit is een validiteitsprobleem, want je zit er systematisch naast, je meet niet het goede.
Dia 5:
Dit kan ook. Misschien zit ik er systematisch naast, maar wat speelt er nog meer bij deze
puntenwolk? Dit is een instrument dat blijkbaar als je dat veelvuldig afneemt dan waaieren de
waarnemingen behoorlijk uit. Dus dat betekend dat iedere keer als ik meet dan kan ik op toch wel
iets behoorlijk anders uit.
Als je dan dit hebt en je zit precies in de kern (de X), dan zit je eigenlijk wel precies goed van het
andere.
Dia 6:
Maar het had ook dit kunnen zijn. Dat je eigenlijk een vrij onbetrouwbare meting hebt waar je ook
nog eens ver afzit van de kern van iets anders. Dat is in feite waarvan ik hoop dat wij wat gevoeliger
voor worden. Want hoe komen wij er achter wat ons cijfer betekend? Daar moeten we in feite alle
hulpmiddelen voor inzetten die we hebben. En dat zijn inderdaad die normen en dat zijn allemaal
extra gegevens. Maar het belangrijkste is dat je weet wat de kwaliteit van je meting is. Als jij een
meetinstrument gaat gebruiken hoor jij te weten of je een betrouwbaar en valide instrument in je
handen hebt. Hoe goed het is om belangrijke beslissingen te nemen.
Dia 11:
KTT is de theorie die ervan uitgaat dat elke waargenomen score uit twee stukjes bestaat. Namelijk,
een ware score en een error. Dat doen wij automatisch, op het moment dat je iets meet, als je bijv.
iemands gewicht of lengte meet, en je doet het twee keer, dan vind je het eigenlijk niet zo gek dat
daar een verschilletje in zit. Blijkbaar calculeer je in dat niet elke meting even betrouwbaar is, dat hij
even precies is. Je hebt dus niet altijd de true score.
Als je naar deze twee verdelingen kijkt, dan staan daar twee zaken in. Namelijk in elke verdeling twee
zaken. De grote verdeling staat voor de spreiding in scores in de populatie. Dus dat betekend, hier
heb ik het bijv. over lengte. Je hebt kleine mensen en je hebt grote mensen.
, Psychometrie en besliskunde HC 5
(wijst naar een verdeling) Deze verdeling staat voor psychologische begrippen. Kom ik zo op terug.
Wat zijn deze (de kleine verdelingen?)? Dat zijn herhaalde metingen bij dezelfde persoon, T1. Er
wordt vanuit gegaan, dit is een persoon die hier staat die meerdere keren gemeten is en die kleiner is
dan het gemiddelde. Het zit links van het midden dus het is bijv. een vrouw van 1,60 meter.
De verdeling van lengte is die verdeling omdat lengte niet zo veel verschilt wanneer je meerdere
metingen hebt, want als je iemand 10x meet dan zal je wel ergens rond die 1,60 meter uitkomen.
Hangt er natuurlijk wel vanaf van hoe je het meet, met welk instrument.
Dus als je metingen verricht bij fysiologische verschijnselen zie je dat meerdere metingen bij dezelfde
persoon wat dichter bij elkaar liggen. Je maakt in feite minder meetfouten.
Hoe weten wij dan over het algemeen wat de echte lengte van iemand is? We pakken dan het
gemiddelde. In theorie zal dat de beste score zijn.
Dia 12:
X = de waargenomen score
De verwachte waarde van de error is 0. Dat betekend dat je eigenlijk mag verwachten dat als je alle
errors bij elkaar optelt en deelt door het aantal waarnemingen, dat je op 0 uit komt. Oftewel, de ene
keer zit ik een beetje boven de ware score en de andere keer een beetje eronder. En al die plusjes en
minnetjes opgeteld telt op tot 0. Dat betekent ook dat er geen correlatie is, geen samenhang, tussen
de error en de waargenomen score.
Bij punt 2 hebben we dat nieuwe teken nog een keer maar dan in combinatie met de ware score. De
verwachte waarde van X = T betekend niks anders dan dat als ik heel veel metingen verricht dan mag
ik ervan uitgaan dat de gemiddelde waarde dat dat de true score is.
Punt 3. Rho et. Wat is Rho? Rho is het Griekse symbool voor de correlatie. Griekse symbolen worden
gebruikt voor alle situaties waar je een uitspraak doet over de populatie. Hier staat dus, de correlatie
tussen de error en de true score is 0. Er is geen samenhang tussen de meetfouten die je maakt en de
ware score. Dat is eigenlijk niet zo heel moeilijk. Pakken we weer lengte. De ware score van mensen
kan variëren. Je hebt grote mensen en je hebt kleine mensen. Op het moment dat je dat gaat meten
maak je bij kleine mensen dezelfde meetfouten als bij grote mensen. Ik meet mensen even precies
als grote mensen. Er is dus geen correlatie tussen de meetfout en de true score.
Punt 4. ρE1E2 , er is geen samenhang tussen de meetfouten van twee verschillende constructen.
Oftewel, als ik van een groepje mensen eerst de lengte meet om vervolgens het gewicht te meten,
dan moet het zo zijn dat de meetfouten die daarbij optreden, dat die willekeurig zijn, dat daar geen
systematiek in zit. Dus dat je het gewicht meet en dan meet je het gewicht van een net iets boven de
ware score terwijl de lengte had je net iets onder de ware score. Dus deze assumptie is dat er geen
relatie mag zijn tussen de meetfouten van construct 1 en construct 2.
Punt 5. dat is eigenlijk de andere zijde van dezelfde medaille. Dit betekend dat er geen samenhang is
tussen de meetfouten van het ene construct en de ware scores van de andere.
Dia 13:
σ2E, de variantie van de meetfout in het kwadraat.
Transcriptie HC 5
Betrouwbaarheid deel 1:
KTT, Test-hertest, Spearman Brown,
testverlening, SPSS
Dia 2:
Daar komt dan wat uit, een getal. Misschien wel een van de belangrijkste dingen van psychometrie is
dat je weet wat dat cijfer betekend en hoe relatief dat het is.
Dia 3:
Ik zit midden in de roos qua wat ik had moeten meten. Het kruisje is precies het zwarte bolletje dat ik
graag wilde meten. Ik heb het goed gemeten.
Dia 4:
Maar wie zegt mij dat ik niet dit heb? Dat kan ik aan dat eerste meetinkje zo niet zien.
Als ik dit heb gemeten (X) maar ik had dit willen meten (het zwarte bolletje), dan heb ik een
probleem. Dit is een validiteitsprobleem, want je zit er systematisch naast, je meet niet het goede.
Dia 5:
Dit kan ook. Misschien zit ik er systematisch naast, maar wat speelt er nog meer bij deze
puntenwolk? Dit is een instrument dat blijkbaar als je dat veelvuldig afneemt dan waaieren de
waarnemingen behoorlijk uit. Dus dat betekend dat iedere keer als ik meet dan kan ik op toch wel
iets behoorlijk anders uit.
Als je dan dit hebt en je zit precies in de kern (de X), dan zit je eigenlijk wel precies goed van het
andere.
Dia 6:
Maar het had ook dit kunnen zijn. Dat je eigenlijk een vrij onbetrouwbare meting hebt waar je ook
nog eens ver afzit van de kern van iets anders. Dat is in feite waarvan ik hoop dat wij wat gevoeliger
voor worden. Want hoe komen wij er achter wat ons cijfer betekend? Daar moeten we in feite alle
hulpmiddelen voor inzetten die we hebben. En dat zijn inderdaad die normen en dat zijn allemaal
extra gegevens. Maar het belangrijkste is dat je weet wat de kwaliteit van je meting is. Als jij een
meetinstrument gaat gebruiken hoor jij te weten of je een betrouwbaar en valide instrument in je
handen hebt. Hoe goed het is om belangrijke beslissingen te nemen.
Dia 11:
KTT is de theorie die ervan uitgaat dat elke waargenomen score uit twee stukjes bestaat. Namelijk,
een ware score en een error. Dat doen wij automatisch, op het moment dat je iets meet, als je bijv.
iemands gewicht of lengte meet, en je doet het twee keer, dan vind je het eigenlijk niet zo gek dat
daar een verschilletje in zit. Blijkbaar calculeer je in dat niet elke meting even betrouwbaar is, dat hij
even precies is. Je hebt dus niet altijd de true score.
Als je naar deze twee verdelingen kijkt, dan staan daar twee zaken in. Namelijk in elke verdeling twee
zaken. De grote verdeling staat voor de spreiding in scores in de populatie. Dus dat betekend, hier
heb ik het bijv. over lengte. Je hebt kleine mensen en je hebt grote mensen.
, Psychometrie en besliskunde HC 5
(wijst naar een verdeling) Deze verdeling staat voor psychologische begrippen. Kom ik zo op terug.
Wat zijn deze (de kleine verdelingen?)? Dat zijn herhaalde metingen bij dezelfde persoon, T1. Er
wordt vanuit gegaan, dit is een persoon die hier staat die meerdere keren gemeten is en die kleiner is
dan het gemiddelde. Het zit links van het midden dus het is bijv. een vrouw van 1,60 meter.
De verdeling van lengte is die verdeling omdat lengte niet zo veel verschilt wanneer je meerdere
metingen hebt, want als je iemand 10x meet dan zal je wel ergens rond die 1,60 meter uitkomen.
Hangt er natuurlijk wel vanaf van hoe je het meet, met welk instrument.
Dus als je metingen verricht bij fysiologische verschijnselen zie je dat meerdere metingen bij dezelfde
persoon wat dichter bij elkaar liggen. Je maakt in feite minder meetfouten.
Hoe weten wij dan over het algemeen wat de echte lengte van iemand is? We pakken dan het
gemiddelde. In theorie zal dat de beste score zijn.
Dia 12:
X = de waargenomen score
De verwachte waarde van de error is 0. Dat betekend dat je eigenlijk mag verwachten dat als je alle
errors bij elkaar optelt en deelt door het aantal waarnemingen, dat je op 0 uit komt. Oftewel, de ene
keer zit ik een beetje boven de ware score en de andere keer een beetje eronder. En al die plusjes en
minnetjes opgeteld telt op tot 0. Dat betekent ook dat er geen correlatie is, geen samenhang, tussen
de error en de waargenomen score.
Bij punt 2 hebben we dat nieuwe teken nog een keer maar dan in combinatie met de ware score. De
verwachte waarde van X = T betekend niks anders dan dat als ik heel veel metingen verricht dan mag
ik ervan uitgaan dat de gemiddelde waarde dat dat de true score is.
Punt 3. Rho et. Wat is Rho? Rho is het Griekse symbool voor de correlatie. Griekse symbolen worden
gebruikt voor alle situaties waar je een uitspraak doet over de populatie. Hier staat dus, de correlatie
tussen de error en de true score is 0. Er is geen samenhang tussen de meetfouten die je maakt en de
ware score. Dat is eigenlijk niet zo heel moeilijk. Pakken we weer lengte. De ware score van mensen
kan variëren. Je hebt grote mensen en je hebt kleine mensen. Op het moment dat je dat gaat meten
maak je bij kleine mensen dezelfde meetfouten als bij grote mensen. Ik meet mensen even precies
als grote mensen. Er is dus geen correlatie tussen de meetfout en de true score.
Punt 4. ρE1E2 , er is geen samenhang tussen de meetfouten van twee verschillende constructen.
Oftewel, als ik van een groepje mensen eerst de lengte meet om vervolgens het gewicht te meten,
dan moet het zo zijn dat de meetfouten die daarbij optreden, dat die willekeurig zijn, dat daar geen
systematiek in zit. Dus dat je het gewicht meet en dan meet je het gewicht van een net iets boven de
ware score terwijl de lengte had je net iets onder de ware score. Dus deze assumptie is dat er geen
relatie mag zijn tussen de meetfouten van construct 1 en construct 2.
Punt 5. dat is eigenlijk de andere zijde van dezelfde medaille. Dit betekend dat er geen samenhang is
tussen de meetfouten van het ene construct en de ware scores van de andere.
Dia 13:
σ2E, de variantie van de meetfout in het kwadraat.
