Aralık kısıtlama düzeltmelerinin hatalı olabileceği ikinci yol, kullanılan aralık düzeltme formülünün gereğinden fazla veya eksik düzeltme yapabilmesidir. Kullandığımız düzeltme denklemi Thorndike’ın (1949) Durum II formülü olmuştur. Bu aynı zamanda Callender ve Osburn (1980) ve Raju ve Burke’ün (1983) modellerinde de kullanılan formüldür. Bu formül, tahmin edicide doğrudan aralık kısıtlamasını (kesme) varsayar.

Yani, tahmin edicide belirli bir puanın altındaki tüm başvuru sahiplerinin işe alınmak için reddedildiğini ve diğerlerinin işe alındığını varsayar. Menzil kısıtlamasının doğrudan değil de dolaylı olması durumunda bu formülün eksik düzeltileceği uzun zamandır bilinmektedir ve bu eksik düzeltmeye defalarca işaret ettik.

Bir VG çalışmasındaki birincil geçerlilik çalışmalarının bir kısmı veya tamamı dolaylı aralık kısıtlaması ile karakterize edilirse, bu aralık düzeltme formülünün kullanılması, kişinin uX değerleri doğru olsa bile eksik düzeltmeye yol açacaktır. Bu önemlidir çünkü menzil kısıtlaması hemen hemen tüm çalışmalarda dolaylıdır.

Örneğin, ABD Çalışma Bakanlığı’nın Genel Yetenek Test Bataryası (GATB) veri tabanında, 515 geçerlilik çalışmasının tümü eşzamanlıydı ve dolayısıyla menzil kısıtlaması dolaylıydı. Menzil kısıtlaması, tahmine dayalı çalışmalarda bile genellikle dolaylıdır: Doğrulanacak testler genellikle görevlilere verilir, kriter önlemleri aylar veya yıllar sonra alınır ve çalışmayı teknik olarak tahmine dayalı hale getirir. Yıllar boyunca yaptığımız araştırmalarda, doğrulanan tahmin edici(ler) üzerinde doğrudan seçimin olduğu bir çalışmayı nadiren gördük. Vaka II aralık düzeltme formülünün eksik düzeltme yapmayacağı tek çalışma türüdür.

Tüm VG modellerinde (bizimki, Callender ve Osburn’s ve Raju ve Burke’s) kullanılan Case II aralık düzeltme formülü yanlış düzeltiyorsa, bu eksik düzeltme neden bilgisayar simülasyonu çalışmalarında gösterilmedi? En son Hall ve Brannick (2002) tarafından belirtildiği gibi, bilgisayar simülasyon çalışmaları bu VG yöntemlerinin oldukça doğru olduğunu göstermiştir. Aslında, ρ ̄ tahminleri özellikle doğru görünmektedir.

Cevap, tüm bilgisayar simülasyon çalışmalarının yalnızca doğrudan menzil kısıtlamasını varsaydığı (ve programladığıdır). Le (2003) dışında, bugüne kadar dolaylı menzil kısıtlamasına dayalı VG yöntemlerinin bilgisayar simülasyonu çalışmaları yapılmamıştır. Bu nedenle, önceki simülasyon çalışmaları, tanım gereği, menzil kısıtlaması dolaylı olduğunda meydana gelen eksik düzeltmeyi tespit edemez.

Grafik çözümde duyarlılık analizi
Duyarlılık analizi nedir
Duyarlılık Analizi örneği
Sensitivity analiz nedir
Duyarlılık analizi hesaplayıcı
Duyarlılık analizi yorumlama
Duyarlılık analizi türleri
İndirgenmiş maliyet nedir

Ortalama gerçek geçerliliğin bu hafife alınması ne kadar büyük? Tüm VG modelleri, aslında, göreceli olarak küçük olduğunu varsaymıştır. Linn, Harnisch ve Dunbar (1981b), Hukuk Okuluna Kabul Testi (LSAT) durumunda yetersiz düzeltmenin boyutunu ampirik olarak kalibre etmeye çalıştılar ve muhtemelen önemli olduğu sonucuna vardılar.

Ancak analitik bir çözüm geliştiremedikleri için tahminleri yalnızca fikir vericiydi. Bununla birlikte, en yaygın dolaylı menzil kısıtlaması durumu için analitik bir çözüm geliştirilmiştir: yerleşiklerin bilinmeyen ve ölçülmeyen değişkenler üzerinden seçildiği çözüm. Bir örnek, yerleşiklerin nasıl seçildiğine dair resmi bir kaydın olmadığı, ancak uX < 1.00 olan ve aralık kısıtlamasının varlığını gösteren bir geçerlilik çalışması olabilir; bu örnek aslında olağan bir durumdur.

Elde ettiğimiz formülden farklı olarak, dolaylı menzil kısıtlaması için düzeltme için diğer denklemler, dolaylı menzil kısıtlamasını üreten ölçüm üzerindeki puanların bilgisini gerektirir; bu gereklilik nedeniyle, bu denklemleri gerçek verilerle kullanmak nadiren mümkündür.

Bulgularımız, menzil kısıtlaması için ρ ̄ alt düzeltmesinin önemli olduğunu göstermektedir. Örneğin, yeni denklemin GATB veri tabanına uygulanması, genel zihinsel yetenek ölçümlerinin ortalama gerçek geçerliliğinin %25 ila %30 oranında hafife alındığını göstermektedir. Bu nedenle, geleneksel eksik düzeltmenin sonuçları önemlidir. Bu gelişmenin tüm etkilerini keşfetmek muhtemelen birkaç yıl alacaktır. Bu konuyla ilgili daha fazla tartışma bulunabilir.

Özetle, kanıtlar, hem kriter güvenilirliği hem de aralık kısıtlaması (uX değerleri) için kullanılan yapay değerlerin, ortalama gerçek geçerliliklerin aşırı düzeltilmesine yol açmadığını gösterir. Aslında, ölçüt iş performansı olduğunda, ölçüt güvenilmezliği için muhtemelen bir eksik düzeltme olmuştur. Ek olarak, uX değerleri doğru olsa bile, bugüne kadar yayınlanmış tüm çalışmalarda kullanılan Vaka II aralık kısıtlama düzeltme denklemi, aralık kısıtlaması için geçerliliklerin altını düzeltir, bu da ortalama gerçek geçerliliklerin önemli ölçüde eksik tahmin edilmesine neden olur.

Karma Meta-Analiz: Bireysel Çalışmalarda Kısmi Artefakt Bilgisi

Eserler, çalışmalarda verilen bilgiler açısından farklılık göstermektedir. Örnekleme hatası varyansını düzeltebilmemiz için örnek boyutu hemen hemen her zaman verilir. Aynı şey, her gerçekleştiğinde dikotomizasyon için de geçerlidir. İkiye ayırma için bölünme derecesi genellikle araştırma raporunda verilir. Örneğin bir araştırma, %70’inin başarılı grupta, %30’unun başarısız grupta olduğunu veya %20’sinin işini bıraktığını ve %80’inin ayrılmadığını söyleyebilir.

Bu nedenle, dikotomizasyonun zayıflatıcı etkileri için bireysel çalışma korelasyonlarını düzeltmek genellikle mümkündür. Güvenilirlik, meta-analizin bilinmesinden bu yana daha sık bildirilmektedir, ancak daha eski çalışmalarda nadirdir ve yakın tarihli çalışmalarda bile sıklıkla verilmemektedir. Bu nedenle, ölçüm hatası genellikle yapay dağılımlar kullanılarak düzeltilir.

Sorunlar, menzil varyasyonu, yapı geçerliliği, yıpranma artefaktları ve yabancı faktörler gibi diğer artefaktlarla daha da ciddidir. Bilgi genellikle son derece düzensizdir. Bu nedenle, bazı düzeltilebilir artefaktların her bir bireysel çalışmada düzeltilebildiği, diğerlerinin ise yalnızca artefakt dağılımları kullanılarak düzeltilebildiği araştırma alanları vardır. Bu, bu bölümde ele alınacak “kısmi bilgi” durumudur.

Böyle bir alanda meta-analiz yapmanın üç yolu vardır. İlk olarak, en kolay yol, bir veya daha fazla artefakt hakkındaki bilgilerin tüm çalışmalar için mevcut olduğu gerçeğini görmezden gelmektir. Bu durumda, yalnızca yapıt çarpanlarının dağılımları kullanılacak ve bu bölümde daha önce açıklanan yapay yapı dağıtım yöntemleri kullanılarak meta-analiz hesaplanacaktır. Çalışmalar arasındaki ortalamalar, wi = Ni olan basit örnek boyutu ağırlıklarına dayalı olacaktır. Daha önce verilerin analizinde gördüğümüz gibi, bu prosedür oldukça doğru olan yaklaşık sonuçlar verir.

İkinci olarak, dikotomizasyon (veya başka herhangi bir bireysel olarak düzeltilebilir artefakt) nedeniyle zayıflama tarafından üretilen bilinen örnekleme hatası miktarına göre her bir çalışmayı ağırlıklandırarak doğruluk geliştirilebilir. Yani, düşük kaliteli çalışmalara düşük, yüksek kaliteli çalışmalara yüksek ağırlık verilebilir. Her çalışma için, zayıflama çarpanı Ai, sanki düzeltilecekmiş gibi hesaplanır.

The post Aralık Kısıtlama – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).