DOI: https://doi.org/10.1007/s11634-024-00601-w
تاريخ النشر: 2024-07-26
المؤلف: José García-García وآخرون
الموضوع الرئيسي: الأنظمة الضبابية والتحسين
نظرة عامة
تتناول هذه section الاهتمام المتزايد في مقاييس التقييم ذات القيم الفترية كبدائل للأدوات النفسية التقليدية ذات النقطة الواحدة، مثل مقاييس ليكرت ومقاييس المقياس البصري، لتقييم الاستجابات البشرية. يُفترض أن مقاييس القيم الفترية تلتقط معلومات أكثر دقة، خاصة عند معالجة عناصر الاستبيان غير الدقيقة. جانب حاسم من تحليل بيانات الاستبيان هو ضمان الاتساق الداخلي للعناصر التي تشكل متغيرًا كامنًا، يقاس عادةً بواسطة معامل ألفا كرونباخ.
يهدف البحث إلى توسيع معامل ألفا كرونباخ لاستيعاب الاستجابات ذات القيم الفترية، موضحًا خصائصه الإحصائية وآثاره. يبدأ بمقدمات رسمية حول البيانات ذات القيم الفترية، تليها توسيع معامل ألفا كرونباخ للإنشاءات التي تسمح بمثل هذه الاستجابات. يناقش المؤلفون النطاق المحتمل للقيم لهذا المعامل الموسع ويفحصون توزيعه الأسيمبتي، والتحيز، وخصائص الاتساق نظريًا. بالإضافة إلى ذلك، توضح الورقة هذه المفاهيم تجريبيًا من خلال دراسات محاكاة، مسلطة الضوء على تأثير عدد المستجيبين والعناصر على توزيع معامل العينة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على المنهجيات الإحصائية المتطورة اللازمة لتحليل الإنشاءات النفسية والاجتماعية المعقدة، مثل القلق والذكاء، التي يتم قياسها غالبًا بشكل غير مباشر من خلال الاستبيانات. تحتوي مقاييس التقييم التقليدية ذات القيمة الواحدة، مثل مقاييس ليكرت ومقاييس المقياس البصري، على قيود في التقاط عدم الدقة والاختلافات الكامنة في تقييمات البشر. لمعالجة هذه النواقص، ظهرت مقاييس ذات قيم فترية، مما يسمح للمستجيبين بالتعبير عن مجموعة من القيم التي تعكس تقييماتهم بشكل أفضل. على الرغم من أن اعتماد هذه المقاييس قد تم تقييده بالحاجة إلى تدريب وأطر متخصصة، فإن التقدمات الأخيرة قد خففت من هذه القيود، مما أدى إلى تطوير تقنيات إحصائية جديدة مصممة للبيانات ذات القيم الفترية.
يهدف البحث إلى توسيع تعريف معامل ألفا كرونباخ لاستيعاب الاستجابات ذات القيم الفترية، مما يعزز تقييم موثوقية الاتساق الداخلي في الأدوات النفسية. ويؤكد على أهمية كل من الصلاحية والموثوقية في ضمان قياس دقيق للسمات البشرية من خلال الاستبيانات. ستفصل الأقسام اللاحقة الأسس النظرية لتحليل البيانات ذات القيم الفترية، وتستكشف خصائص معامل ألفا كرونباخ الموسع، وتقدم دراسات تجريبية لتوضيح تطبيقه وآثاره. من المتوقع أن تسهم النتائج بشكل كبير في مجال القياسات النفسية من خلال توفير أدوات قوية لتحليل البيانات ذات القيم الفترية في البحث النفسي.
مناقشة
في هذه section، يناقش المؤلفون الإطار الإحصائي لتحليل البيانات ذات القيم الفترية، مع التركيز بشكل خاص على الخصائص والقياسات المرتبطة بالفترات العشوائية. يعرفون عائلة الفترات المدمجة غير الفارغة \( K_c(\mathbb{R}) \) ويقدمون الحساب الفتري القائم على مجموع مينكوفسكي والضرب العددي، مع تسليط الضوء على الهيكل شبه الخطي لهذه المساحة. تؤكد section على أهمية مسافة \( \theta \)، التي تسمح بمقارنة دقيقة للفترات من خلال وزن الاختلافات في نقاط المنتصف والانتشار. يؤدي ذلك إلى صياغة مقاييس إحصائية رئيسية مثل المتوسط \( \theta \)، التباين \( \theta \)، والتغاير \( \theta \)، التي تحافظ على الخصائص الأساسية لنظيراتها ذات القيم الحقيقية.
يمدد المؤلفون معامل كرونباخ الكلاسيكي \( \alpha \) للبيانات ذات القيم الفترية، موفرين طريقة لتقييم الاتساق الداخلي في الاستبيانات باستخدام مقاييس فترية. يعرفون معامل كرونباخ للسكان \( \alpha \) من حيث تباينات وتغايرات من نوع \( \theta \)-Fréchet، مؤكدين أن المعامل محدود وثابت تحت التحولات الخطية. يُقترح تحليل تجريبي للتحقيق في التوزيع الأسيمبتي لمعامل كرونباخ للعينة وموثوقيته بناءً على عدد المستجيبين والعناصر. تختتم section بدراسة محاكاة مصممة لتوضيح هذه الخصائص والتحقق من المقاييس الإحصائية المقترحة في التطبيقات العملية.
DOI: https://doi.org/10.1007/s11634-024-00601-w
Publication Date: 2024-07-26
Author(s): José García-García et al.
Primary Topic: Fuzzy Systems and Optimization
Overview
This section discusses the growing interest in interval-valued rating scales as alternatives to traditional single-point psychometric tools, such as Likert-type and visual analogue scales, for evaluating human responses. Interval-valued scales are posited to capture more nuanced information, particularly when addressing imprecise questionnaire items. A critical aspect of analyzing questionnaire data is ensuring the internal consistency of the items that constitute a latent variable, typically measured by Cronbach’s α coefficient.
The paper aims to extend Cronbach’s α to accommodate interval-valued responses, detailing its statistical properties and implications. It begins with formal preliminaries on interval-valued data, followed by the extension of Cronbach’s α for constructs that permit such responses. The authors discuss the potential range of values for this extended coefficient and examine its asymptotic distribution, bias, and consistency properties theoretically. Additionally, the paper empirically illustrates these concepts through simulation studies, highlighting the effects of the number of respondents and items on the sample coefficient’s distribution.
Introduction
The introduction of this research paper highlights the evolving statistical methodologies necessary for analyzing complex psychological and psychosocial constructs, such as anxiety and intelligence, which are often measured indirectly through questionnaires. Traditional single-valued rating scales, like Likert-type and visual analogue scales, have limitations in capturing the inherent imprecision and variability of human evaluations. To address these shortcomings, interval-valued scales have emerged, allowing respondents to express a range of values that better reflect their assessments. Although the adoption of these scales has been constrained by the need for specialized training and frameworks, recent advancements have mitigated these limitations, prompting the development of new statistical techniques tailored for interval-valued data.
The paper aims to extend the definition of Cronbach’s α coefficient to accommodate interval-valued responses, thereby enhancing the assessment of internal consistency reliability in psychometric instruments. It emphasizes the importance of both validity and reliability in ensuring accurate measurement of human traits through questionnaires. The subsequent sections will detail the theoretical foundations of interval-valued data analysis, explore the properties of the extended Cronbach’s α, and present empirical studies to illustrate its application and implications. The findings are expected to contribute significantly to the field of psychometrics by providing robust tools for analyzing interval-valued data in psychological research.
Discussion
In this section, the authors discuss the statistical framework for analyzing interval-valued data, specifically focusing on the properties and measures associated with random intervals. They define the family of nonempty compact intervals \( K_c(\mathbb{R}) \) and introduce interval arithmetic based on Minkowski’s sum and scalar multiplication, highlighting the semilinear structure of this space. The section emphasizes the importance of the \( \theta \)-distance, which allows for a nuanced comparison of intervals by weighing the differences in their midpoints and spreads. This leads to the formulation of key statistical measures such as the \( \theta \)-mean, \( \theta \)-variance, and \( \theta \)-covariance, which preserve essential properties of their real-valued counterparts.
The authors extend the classical Cronbach’s \( \alpha \) coefficient to interval-valued data, providing a method to assess internal consistency in questionnaires using interval scales. They define the population Cronbach’s \( \alpha \) in terms of \( \theta \)-Fréchet-type variances and covariances, establishing that the coefficient is bounded and invariant under linear transformations. Empirical analysis is proposed to investigate the asymptotic distribution of the sample Cronbach’s \( \alpha \) and its reliability based on the number of respondents and items. The section concludes with a simulation study designed to illustrate these properties and validate the proposed statistical measures in practical applications.