Her bir konu üzerinde belirli bir ilişkiyle ilgili birden fazla gözlem yapıldığında, bir çalışma içinde kavramsal tekrarlama meydana gelir. En yaygın örnek, belirli bir değişkeni değerlendirmek için birden çok göstergenin kullanılması olan tekrarlanan ölçümdür: örneğin, iş memnuniyetini değerlendirmek için çeşitli ölçeklerin kullanılması; iş performansı için bilişsel yeteneği değerlendirmek için eğitim notlarının, seçim testi puanlarının ve iş bilgisinin kullanılması; veya iş performansını değerlendirmek için akran derecelendirmelerinin, süpervizör derecelendirmelerinin ve üretim kayıtlarının kullanılması gerekir.

İkinci en yaygın örnek, çoklu durumlarda gözlemdir. Örneğin, bir değerlendirme merkezindeki bir katılımcıdan Görev A, Görev B vb. konularda problem çözme becerilerini göstermesi istenebilir. Çeşitli durumlarda gözlem, problem çözme becerilerinin tekrarlanan ölçümleri olarak kabul edilebilir.

Çalışma içindeki tekrarlama, iki yoldan biriyle kullanılabilir: (1) Her kavramsal tekrar, farklı bir sonuç değeri ile temsil edilebilir ve bu ayrı sonuç değerleri, çalışma içinde kümülatiflenebilir veya daha büyük bir kümülasyona bir set olarak katkıda bulunabilir. veya (2) ölçümler birleştirilebilir ve elde edilen tek sonuç ölçüsü, söz konusu ilişkiyi değerlendirmek için kullanılabilir.

İş performansının göstergeleri olarak üç değişkenin kullanıldığını varsayalım: meslektaş değerlendirmesi, yönetici değerlendirmesi ve iş örneği ölçümü. Herhangi bir potansiyel test, kavramsal olarak tümü geçerlilik katsayıları olan üç korelasyona sahip olabilir: test ve akran değerlendirmesi arasındaki korelasyon, test ve gözetmen değerlendirmesi arasındaki korelasyon ve test ile iş örneği ölçümü arasındaki korelasyondur.

Bu değerler daha büyük bir kümülatif çalışmaya iki şekilde katkıda bulunabilir: (1) Üç korelasyon üç ayrı değer olarak verilebilir veya (2) üç korelasyonun ortalaması alınabilir ve ortalama, çalışmayı temsil eden bir değer olarak katkıda bulunabilir. 

Korelasyon kümesi daha büyük çalışmaya katkıda bulunursa, bu çalışmanın II. ve III. Kısımlarında sunulan kümülasyon formülleri için bir sorun vardır. Bu formüller, kullanılan değerlerin istatistiksel olarak birbirinden bağımsız olduğunu varsayar.

Değerler farklı çalışmalardan geliyorsa bu garanti edilir, ancak mevcut örnekte yalnızca akran derecelendirmesi, süpervizör derecelendirmesi ve iş örneği testi arasındaki korelasyonların tümü 0 ise (o çalışma için popülasyon değerleri olarak) doğrudur; önlemler, varsayıldığı gibi, yaklaşık olarak eşdeğer önlemlerdir.

Kavram analizi örnekleri
Sartori
Kavram Nedir
Kuramsal kavram nedir
Kuram Nedir
Mantık kavramının kuramları var mıdır

Her bir çalışmanın katkıda bulunduğu korelasyonların veya d değerlerinin sayısı, toplam korelasyon veya d değerlerinin sayısına kıyasla küçükse, sonuçta ortaya çıkan kümülasyonda çok az hata vardır. Ancak, küçük bir çalışmadan çok fazla sayıda değer katılıyorsa, sonuç meta-analizde örnekleme hatası için eksik düzeltme olabilir.

Bir meta-analiz, aynı çalışma örneklerinden gelen korelasyon gruplarını veya d değerlerini içerdiği ölçüde, sunulan örnekleme hatası formülleri, etki büyüklüklerinin gözlemlenen varyansında (Sr2) örnekleme hatası varyansı bileşenini olduğundan daha az tahmin edecektir.

Bu, örnekleme hatası için bir eksik düzeltme olacağı ve Sρ2 veya Sδ2’nin nihai tahmininin çok büyük olacağı anlamına gelir. Bu ölçüde, elde edilen meta-analiz sonuçları ihtiyatlı olacaktır; diğer bir deyişle, çalışmalar arasındaki anlaşma derecesini (veya genellenebilirliği) hafife alacaklardır.

İstatistiksel bağımsızlık ihlallerinin, örnekleme hatası varyansının örnekleme hatası varyans formülleri tarafından tahmin edilenden daha büyük olmasına nasıl neden olduğunu anlamanın bir yolu aşağıdaki gibidir. Örnekleme hataları iki bağımsız örnek arasında korelasyonsuzsa (yani, re1e2 = 0) yapılır.

Örnekleme hatası varyansı için standart formüller, Sr2 veya Sd2’deki örnekleme hatası varyansının miktarını tahmin etmek için Denklemler (10.1) ve (10.2)’dir. Bununla birlikte, bağımsızlık ihlal edildiğinde, gerçek örnekleme hatası miktarı Denklem (10.4) tarafından verilen daha büyük miktardır. Bu nedenle, örnekleme hatası hafife alınır. Re1 e2 bağıntısını tahmin etmenin mümkün olmadığına ve dolayısıyla meta-analizi yürütürken sadece Denklem (10.4) kullanılarak örnekleme hatası için eksik tahminden kaçınmanın mümkün olmadığına dikkat edin.

Personel seçiminde yetenek testlerinin geçerliliği üzerine yaptığımız daha önceki araştırmamızda, yetenek (örneğin sözel yetenek) birden fazla ölçüme sahip olduğunda, meta-analize bireysel korelasyonları dahil ettik. Çoğu çalışma, her bir yeteneğin yalnızca bir ölçüsünü içeriyordu ve bu nedenle, o yeteneğin meta-analizine yalnızca bir korelasyon katkıda bulundu.

Az sayıda çalışmanın iki ölçümü vardı (örneğin, iki uzamsal yetenek ölçümü). Bu nedenle, bu karar kuralı, SDρ tahminlerimize yalnızca hafif bir muhafazakar önyargıya katkıda bulundu. Bir çalışma birden fazla iş performansı ölçümü içerdiğinde, bu ölçümler daha sonra açıklandığı gibi bir bileşik halinde birleştirildi; bu mümkün değilse, korelasyonların ortalaması alındı ​​ve meta-analize yalnızca ortalama korelasyon girildi. Bu karar kuralı, korelasyonun iş performansı tarafında tam bağımsızlık sağladı.

Bağımsızlık varsayımının ihlalleri, çalışmalar arasında gözlemlenen etki büyüklüklerinin varyansını etkilerken (şişirirken), bu tür ihlallerin bir meta-analizdeki ortalama d veya ortalama r değerleri üzerinde sistematik bir etkisi olmadığı belirtilmelidir. Bu nedenle, bağımsızlık ihlalleri, meta-analizde ortalama değerlerin tahminlerinde yanlılığa neden olmaz.

Bununla birlikte, bu çalışmada açıklanan yöntemler, çalışma etkilerinin gerçek (popülasyon) varyansını (ve SD) tahmin etmeye güçlü bir şekilde odaklanır. SDδ ve SDρ tahminlerinin doğruluğu önemlidir çünkü bu tahminler meta-analiz sonuçlarının yorumlanmasında kritik bir rol oynar. Bağımsızlık ihlalleri, SDδ ve SDρ tahminlerinde yukarı yönlü bir önyargı oluşturduğundan, verilerdeki istatistiksel bağımsızlık sorusu, meta-analiz yöntemlerimizin uygulamalarında dikkatli bir şekilde ele alınmayı hak ediyor.

Çalışmayı temsil etmek için ortalama korelasyon kullanılıyorsa, bağımsızlık varsayımının ihlali yoktur. Ancak, ortalama korelasyonun örneklem büyüklüğü için ne kullanacağız? Ortalama korelasyona giren toplam gözlem sayısını kullanırsak (yani, örneklem büyüklüğü çarpı ortalama korelasyon sayısı), o zaman örnekleme hatasını büyük ölçüde hafife alırız çünkü bu, ortalama bağımsız korelasyonlara sahip olduğumuzu varsayar.

Öte yandan, çalışmanın örneklem büyüklüğünü kullanırsak, ortalama korelasyon tek bir korelasyondan daha az örnekleme hatasına sahip olacağından örnekleme hatasını olduğundan fazla tahmin ederiz. Çoğu çalışmada, ortalama korelasyon için basit örnek boyutunun varsayılmasında çok daha az hata vardır.

Ortalama korelasyonla ilgili başka bir potansiyel sorun daha var. Güçlü bir moderatör değişkenin olduğu nadir durumlarda, yani çalışmalar arasında büyük, gerçek, düzeltilmiş bir standart sapmanın olduğu durumlarda, moderatör değişkeni çalışmalar arasında olduğu kadar çalışmalar arasında da değişebilir. Böyle bir durumda, ortalama korelasyon kavramsal olarak belirsiz olacaktır.

Örneğin, yetenek ölçümlerinin, denetim derecelendirmelerine göre iş örneği ölçümleriyle daha yüksek gerçek puan korelasyonlarına sahip olduğuna dair güçlü kanıtlar vardır. Herhangi bir meta-analizde bu farkın tanımlanması, bu iki ölçümün birleştirilmemesini gerektirecektir.

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