SlideShare une entreprise Scribd logo
1  sur  24
Télécharger pour lire hors ligne
Università degli Studi “Aldo Moro” di Bari
Dott.ssa Picucci Luciana




                 Psicometria
              Indici di Dispersione
                         e
               Standardizzazione
Indici di Dispersione (o di
             variabilità)
Misurano la variabilità ovvero il modo in cui i
 possibili valori che misurano una variabile si
 disperdono, si distribuiscono, attorno all’indice di
 tendenza centrale

Esempio: Altezza in classe. Se tutti avessimo la
  stessa statura non ci sarebbe variabilità

Riflettono la bontà dell’indice di tendenza centrale
  (>è la variabilità, < è la bontà dell’indice di
  tendenza centrale)
Indici di Dispersione

• Campo di
  variazione(range)                             CRITERI
                               se la variabilità è nulla l'indicatore
• Varianza e deviazione        deve assumere valore 0;

  standard                     l'indicatore deve crescere al crescere
                               della variabilità;
• Coefficiente di variazione   l'indicatore può assumere soltanto
                               valori positivi.
Campo di Variazione (range)
• Indice poco attendibile dipende da valori
   estremi (problemi con valori anomali/outliers)
Calcolo
Gamma ()= Xmax – Xmin
Es: 1, 4, 6, 7, 5, 3, 12, 9
  =12-1= 11
Varianza e deviazione standard
Si basa sul calcolo dello scostamento di ogni
   valore della distribuzione dalla media




 Problema: Proprietà della media, la sommatoria degli scarti dalla media è = 0
 Soluzione: elevare gli scarti al quadrato
Varianza
• Media degli scarti al quadrato tra i dati e la
  media dei dati stessi




• È nulla quando non c’è varianza
• Aumenta al crescere della variabilità interna
  della distribuzione
Esempio Calcolo Varianza
(esempio in classe con lo Span visivo)
Deviazione standard (scarto
              quadratico medio)




Limite: Non è una misura assoluta, dipende dalla media
Il confronto tra 2 ds con medie diverse non permette di fare inferenze circa la
maggiore o minore variabilità dei punteggi delle 2 distribuzioni
(Esempio depressione di persone in vacanza; depressione di soggetti in burnout)
Coefficiente di Variazione
Se dobbiamo confrontare la variabilità di misure
  espresse con unità di misura diverse
Importante per confrontare la variabilità di
  costrutti psicologici differenti o di campioni
  diversi
Esercizio
• Ansia espressa in velocità dell’eloquio
(n di parole in 5 secondi)
10 14 8 9 15 13
• Ansia espressa in
(n di passi condotti da un padre in sala attesa in 5
   secondi)
7, 6, 4, 5, 9, 12
Quale delle due serie di risultati presenta maggiore
   variabilità?
Esercitazione in classe
• 4 distribuzioni, 1 per ogni quadrante

Calcolare

Range, Varianza, deviazione standard e
  coefficiente di Variazione
Standardizzazione
* Procedure di somministrazione uniformi
(l’ ambiente nel quale si effettua il test, gli stimoli
   proposti, l’atteggiamento del somministratore,
   le istruzioni fornite, il tempo assegnato, devono
   essere sempre gli stessi in modo da mettere tutti
   i rispondenti nelle stesse condizioni)
* Norme statistiche di un test (campione di
   standardizzazione)
Tutte le informazioni nei MANUALI TECNICI
   (assicurarsi che il test sia standardizzato per il
   campione che mi interessa testare)
Cosa si fa con i punti z
• Trasformazione opportuna per confrontare i
  punteggi grezzi con le norme statistiche
• Per confrontare punteggi provenienti da prove
  differenti (dal confronto di due o più punteggi
  risulterà migliore quello che fa assumere al
  relativo punto Z il valore più alto)
I punti z
Il punto z esprime la distanza del punteggio
   grezzo dalla media in termini di deviazioni
   standard. Ci dice di quante ds il p.g. si discosta
   dal campione normativo.
Tanto più alto è il valore di z tanto più si discosta
   dalla media (in termini positivi -più alto- o
   negativi -più basso-)
                                        X=53
                                        M=56
                                        Ds=3
                                        Z=1
Punti T
• A seconda che il pg sia maggiore o minore
  della media otterrà valori positivi o negativi.
  Per ovviare all’uso di indicatori negativi, scala
  in punti T: Media 50 e Ds 10
Esercizio
Il soggetto risponde
Test di intelligenza spaziale
Test di intelligenza verbale
A quale dei due test è andato meglio??

Trasformare i punteggi grezzi in punti t
Esercitazione Test QPA -Questionario sulle
Preoccupazioni abituali- (Picucci &Bosco, 2009)
Scoring

Sommare le risposte del rispondente in ogni dimensione in modo da ottenere 5 punteggi (tante
quante sono le dimensione) +1 fattore generale (somma delle 5 dimensioni)

La procedura di scoring (attribuzione del punteggio) porta all’ottenimento del punteggio grezzo
Per interpretare il punteggio a questo test , il manuale richiede
  la trasformazione in punti T
1) Trasformazione in punti z
2) Trasformazione in punti T
Delinea il tuo profilo di
   preoccupazione
Tipologie di test
• Tipologia di performance richiesta
Massima performance – Tipica Performance
• Limiti di tempo
Test di potenza – Test a tempo
• Uso di parole
Test verbali- Test Non verbali (culture-free)
• Modalità di somministrazione
Test individuali/collettivi -Test auto/etero somministrati
• Attribuzione di punteggio
Test Oggettivi- Test Soggettivi

Contenu connexe

Tendances

Comunicazione+cinesica
Comunicazione+cinesicaComunicazione+cinesica
Comunicazione+cinesicaimartini
 
Miltonovi napredni obrasci u ugnježdenim petljama - Maja Stančetić i Nenad Ra...
Miltonovi napredni obrasci u ugnježdenim petljama - Maja Stančetić i Nenad Ra...Miltonovi napredni obrasci u ugnježdenim petljama - Maja Stančetić i Nenad Ra...
Miltonovi napredni obrasci u ugnježdenim petljama - Maja Stančetić i Nenad Ra...NLP Centar Beograd
 
Gli indici di posizione
Gli indici di posizioneGli indici di posizione
Gli indici di posizioneVispo Srl
 
Strategie di persuasione di Nicoletta Salvatori
Strategie di persuasione di Nicoletta SalvatoriStrategie di persuasione di Nicoletta Salvatori
Strategie di persuasione di Nicoletta SalvatoriUniversità di Pisa
 
Mmpi picucci psicometria
Mmpi  picucci psicometriaMmpi  picucci psicometria
Mmpi picucci psicometriaLuciana Picucci
 

Tendances (6)

Comunicazione+cinesica
Comunicazione+cinesicaComunicazione+cinesica
Comunicazione+cinesica
 
Miltonovi napredni obrasci u ugnježdenim petljama - Maja Stančetić i Nenad Ra...
Miltonovi napredni obrasci u ugnježdenim petljama - Maja Stančetić i Nenad Ra...Miltonovi napredni obrasci u ugnježdenim petljama - Maja Stančetić i Nenad Ra...
Miltonovi napredni obrasci u ugnježdenim petljama - Maja Stančetić i Nenad Ra...
 
Gli indici di posizione
Gli indici di posizioneGli indici di posizione
Gli indici di posizione
 
Strategie di persuasione di Nicoletta Salvatori
Strategie di persuasione di Nicoletta SalvatoriStrategie di persuasione di Nicoletta Salvatori
Strategie di persuasione di Nicoletta Salvatori
 
Cba primarie e sport
Cba primarie e sportCba primarie e sport
Cba primarie e sport
 
Mmpi picucci psicometria
Mmpi  picucci psicometriaMmpi  picucci psicometria
Mmpi picucci psicometria
 

En vedette

Dott.ssa picucci psicometria parte III
Dott.ssa picucci psicometria parte IIIDott.ssa picucci psicometria parte III
Dott.ssa picucci psicometria parte IIILuciana Picucci
 
02statistica 146 sino_intervallo_confidenza
02statistica 146 sino_intervallo_confidenza02statistica 146 sino_intervallo_confidenza
02statistica 146 sino_intervallo_confidenzaAngelo Barbato
 
Ocplab Analisi Testuale di Andrea Nobile
Ocplab Analisi Testuale di Andrea NobileOcplab Analisi Testuale di Andrea Nobile
Ocplab Analisi Testuale di Andrea NobileMarco Binotto
 
Dispensa Datajournalism | Maggio 2014 | school.dataninja.it
Dispensa Datajournalism | Maggio 2014 | school.dataninja.itDispensa Datajournalism | Maggio 2014 | school.dataninja.it
Dispensa Datajournalism | Maggio 2014 | school.dataninja.itDataninja
 
Tweet Analysis with Text Mining Algorithms
Tweet Analysis with Text Mining AlgorithmsTweet Analysis with Text Mining Algorithms
Tweet Analysis with Text Mining AlgorithmsAndrea Capozio
 
Indexing, vector spaces, search engines
Indexing, vector spaces, search enginesIndexing, vector spaces, search engines
Indexing, vector spaces, search enginesXYLAB
 
OUTDATED Text Mining 4/5: Text Classification
OUTDATED Text Mining 4/5: Text ClassificationOUTDATED Text Mining 4/5: Text Classification
OUTDATED Text Mining 4/5: Text ClassificationFlorian Leitner
 
Text mining analysis: ipotesi operativa
Text mining analysis: ipotesi operativaText mining analysis: ipotesi operativa
Text mining analysis: ipotesi operativaCamillo Di Tullio
 
Document similarity with vector space model
Document similarity with vector space modelDocument similarity with vector space model
Document similarity with vector space modeldalal404
 
Influência do médium na comunicação
Influência do médium na comunicaçãoInfluência do médium na comunicação
Influência do médium na comunicaçãoGraça Maciel
 
Machine Learning with Applications in Categorization, Popularity and Sequence...
Machine Learning with Applications in Categorization, Popularity and Sequence...Machine Learning with Applications in Categorization, Popularity and Sequence...
Machine Learning with Applications in Categorization, Popularity and Sequence...Nicolas Nicolov
 
Big Data & Text Mining
Big Data & Text MiningBig Data & Text Mining
Big Data & Text MiningMichel Bruley
 
Bo p, disequlibrium
Bo p, disequlibriumBo p, disequlibrium
Bo p, disequlibriumwwgreatmutha
 
FINAL_9_15_14_EDImplementa
FINAL_9_15_14_EDImplementaFINAL_9_15_14_EDImplementa
FINAL_9_15_14_EDImplementagilmore6
 

En vedette (20)

Psicometria Parte I
 Psicometria Parte I Psicometria Parte I
Psicometria Parte I
 
Dott.ssa picucci psicometria parte III
Dott.ssa picucci psicometria parte IIIDott.ssa picucci psicometria parte III
Dott.ssa picucci psicometria parte III
 
Punto z
Punto zPunto z
Punto z
 
02statistica 146 sino_intervallo_confidenza
02statistica 146 sino_intervallo_confidenza02statistica 146 sino_intervallo_confidenza
02statistica 146 sino_intervallo_confidenza
 
Ocplab Analisi Testuale di Andrea Nobile
Ocplab Analisi Testuale di Andrea NobileOcplab Analisi Testuale di Andrea Nobile
Ocplab Analisi Testuale di Andrea Nobile
 
Dispensa Datajournalism | Maggio 2014 | school.dataninja.it
Dispensa Datajournalism | Maggio 2014 | school.dataninja.itDispensa Datajournalism | Maggio 2014 | school.dataninja.it
Dispensa Datajournalism | Maggio 2014 | school.dataninja.it
 
Tweet Analysis with Text Mining Algorithms
Tweet Analysis with Text Mining AlgorithmsTweet Analysis with Text Mining Algorithms
Tweet Analysis with Text Mining Algorithms
 
Survey On Text Mining
Survey On Text MiningSurvey On Text Mining
Survey On Text Mining
 
Indexing, vector spaces, search engines
Indexing, vector spaces, search enginesIndexing, vector spaces, search engines
Indexing, vector spaces, search engines
 
OUTDATED Text Mining 4/5: Text Classification
OUTDATED Text Mining 4/5: Text ClassificationOUTDATED Text Mining 4/5: Text Classification
OUTDATED Text Mining 4/5: Text Classification
 
Text mining analysis: ipotesi operativa
Text mining analysis: ipotesi operativaText mining analysis: ipotesi operativa
Text mining analysis: ipotesi operativa
 
Psicometria
PsicometriaPsicometria
Psicometria
 
Document similarity with vector space model
Document similarity with vector space modelDocument similarity with vector space model
Document similarity with vector space model
 
Influência do médium na comunicação
Influência do médium na comunicaçãoInfluência do médium na comunicação
Influência do médium na comunicação
 
Machine Learning with Applications in Categorization, Popularity and Sequence...
Machine Learning with Applications in Categorization, Popularity and Sequence...Machine Learning with Applications in Categorization, Popularity and Sequence...
Machine Learning with Applications in Categorization, Popularity and Sequence...
 
TextMining with R
TextMining with RTextMining with R
TextMining with R
 
Big Data & Text Mining
Big Data & Text MiningBig Data & Text Mining
Big Data & Text Mining
 
Bo p, disequlibrium
Bo p, disequlibriumBo p, disequlibrium
Bo p, disequlibrium
 
Realisasi anggaran
Realisasi anggaranRealisasi anggaran
Realisasi anggaran
 
FINAL_9_15_14_EDImplementa
FINAL_9_15_14_EDImplementaFINAL_9_15_14_EDImplementa
FINAL_9_15_14_EDImplementa
 

Similaire à Psicometria Parte II

Appunti Metodologia Della Ricerca Educativa
Appunti Metodologia Della Ricerca EducativaAppunti Metodologia Della Ricerca Educativa
Appunti Metodologia Della Ricerca Educativagiosiele
 
Valutazioni criteriali e normative
Valutazioni criteriali e normativeValutazioni criteriali e normative
Valutazioni criteriali e normativeiva martini
 
Valutazioni criteriali e normative
Valutazioni criteriali e normativeValutazioni criteriali e normative
Valutazioni criteriali e normativeiva martini
 
Valutazioni criteriali e normative
Valutazioni criteriali e normativeValutazioni criteriali e normative
Valutazioni criteriali e normativeiva martini
 
Valutazioni criteriali e normative
Valutazioni criteriali e normativeValutazioni criteriali e normative
Valutazioni criteriali e normativeiva martini
 
Machine learning - Schede
Machine learning - SchedeMachine learning - Schede
Machine learning - SchedeNicola Gentili
 
Introduzione v
Introduzione vIntroduzione v
Introduzione vimartini
 
Fse 08b - control charts
Fse   08b - control chartsFse   08b - control charts
Fse 08b - control chartsLuca Vecchiato
 
Master Epidemiologia Clinica
Master Epidemiologia ClinicaMaster Epidemiologia Clinica
Master Epidemiologia ClinicaFlavioStorelli
 
03statistica errore standard_56
03statistica errore standard_5603statistica errore standard_56
03statistica errore standard_56Angelo Barbato
 
Esame Neuropsicologico Breve 2
Esame Neuropsicologico Breve 2 Esame Neuropsicologico Breve 2
Esame Neuropsicologico Breve 2 Luciana Picucci
 

Similaire à Psicometria Parte II (16)

Appunti Metodologia Della Ricerca Educativa
Appunti Metodologia Della Ricerca EducativaAppunti Metodologia Della Ricerca Educativa
Appunti Metodologia Della Ricerca Educativa
 
Portage
PortagePortage
Portage
 
Valutazioni criteriali e normative
Valutazioni criteriali e normativeValutazioni criteriali e normative
Valutazioni criteriali e normative
 
Valutazioni criteriali e normative
Valutazioni criteriali e normativeValutazioni criteriali e normative
Valutazioni criteriali e normative
 
Valutazioni criteriali e normative
Valutazioni criteriali e normativeValutazioni criteriali e normative
Valutazioni criteriali e normative
 
Valutazioni criteriali e normative
Valutazioni criteriali e normativeValutazioni criteriali e normative
Valutazioni criteriali e normative
 
Machine learning - Schede
Machine learning - SchedeMachine learning - Schede
Machine learning - Schede
 
8 Statistica
8 Statistica8 Statistica
8 Statistica
 
Introduzione v
Introduzione vIntroduzione v
Introduzione v
 
Modello di regressione lineare semplice - consigli utili
Modello di regressione lineare semplice - consigli utiliModello di regressione lineare semplice - consigli utili
Modello di regressione lineare semplice - consigli utili
 
5 Control Charts
5 Control Charts5 Control Charts
5 Control Charts
 
Fse 08b - control charts
Fse   08b - control chartsFse   08b - control charts
Fse 08b - control charts
 
Statistica descrittiva - consigli pratici
Statistica descrittiva - consigli praticiStatistica descrittiva - consigli pratici
Statistica descrittiva - consigli pratici
 
Master Epidemiologia Clinica
Master Epidemiologia ClinicaMaster Epidemiologia Clinica
Master Epidemiologia Clinica
 
03statistica errore standard_56
03statistica errore standard_5603statistica errore standard_56
03statistica errore standard_56
 
Esame Neuropsicologico Breve 2
Esame Neuropsicologico Breve 2 Esame Neuropsicologico Breve 2
Esame Neuropsicologico Breve 2
 

Dernier

XIII Lezione - Arabo G.Rammo @ Libera Accademia Romana
XIII Lezione - Arabo G.Rammo @ Libera Accademia RomanaXIII Lezione - Arabo G.Rammo @ Libera Accademia Romana
XIII Lezione - Arabo G.Rammo @ Libera Accademia RomanaStefano Lariccia
 
IL CHIAMATO ALLA CONVERSIONE - catechesi per candidati alla Cresima
IL CHIAMATO ALLA CONVERSIONE - catechesi per candidati alla CresimaIL CHIAMATO ALLA CONVERSIONE - catechesi per candidati alla Cresima
IL CHIAMATO ALLA CONVERSIONE - catechesi per candidati alla CresimaRafael Figueredo
 
Storia dell’Inghilterra nell’Età Moderna.pptx
Storia dell’Inghilterra nell’Età Moderna.pptxStoria dell’Inghilterra nell’Età Moderna.pptx
Storia dell’Inghilterra nell’Età Moderna.pptxOrianaOcchino
 
Ticonzero news 148.pdf aprile 2024 Terza cultura
Ticonzero news 148.pdf aprile 2024 Terza culturaTiconzero news 148.pdf aprile 2024 Terza cultura
Ticonzero news 148.pdf aprile 2024 Terza culturaPierLuigi Albini
 
XI Lezione - Arabo LAR Giath Rammo @ Libera Accademia Romana
XI Lezione - Arabo LAR Giath Rammo @ Libera Accademia RomanaXI Lezione - Arabo LAR Giath Rammo @ Libera Accademia Romana
XI Lezione - Arabo LAR Giath Rammo @ Libera Accademia RomanaStefano Lariccia
 
Corso di digitalizzazione e reti per segretario amministrativo
Corso di digitalizzazione e reti per segretario amministrativoCorso di digitalizzazione e reti per segretario amministrativo
Corso di digitalizzazione e reti per segretario amministrativovaleriodinoia35
 
Esperimenti_laboratorio di fisica per la scuola superiore
Esperimenti_laboratorio di fisica per la scuola superioreEsperimenti_laboratorio di fisica per la scuola superiore
Esperimenti_laboratorio di fisica per la scuola superiorevaleriodinoia35
 
lezione di fisica_I moti nel piano_Amaldi
lezione di fisica_I moti nel piano_Amaldilezione di fisica_I moti nel piano_Amaldi
lezione di fisica_I moti nel piano_Amaldivaleriodinoia35
 
La seconda guerra mondiale per licei e scuole medie
La seconda guerra mondiale per licei e scuole medieLa seconda guerra mondiale per licei e scuole medie
La seconda guerra mondiale per licei e scuole medieVincenzoPantalena1
 

Dernier (9)

XIII Lezione - Arabo G.Rammo @ Libera Accademia Romana
XIII Lezione - Arabo G.Rammo @ Libera Accademia RomanaXIII Lezione - Arabo G.Rammo @ Libera Accademia Romana
XIII Lezione - Arabo G.Rammo @ Libera Accademia Romana
 
IL CHIAMATO ALLA CONVERSIONE - catechesi per candidati alla Cresima
IL CHIAMATO ALLA CONVERSIONE - catechesi per candidati alla CresimaIL CHIAMATO ALLA CONVERSIONE - catechesi per candidati alla Cresima
IL CHIAMATO ALLA CONVERSIONE - catechesi per candidati alla Cresima
 
Storia dell’Inghilterra nell’Età Moderna.pptx
Storia dell’Inghilterra nell’Età Moderna.pptxStoria dell’Inghilterra nell’Età Moderna.pptx
Storia dell’Inghilterra nell’Età Moderna.pptx
 
Ticonzero news 148.pdf aprile 2024 Terza cultura
Ticonzero news 148.pdf aprile 2024 Terza culturaTiconzero news 148.pdf aprile 2024 Terza cultura
Ticonzero news 148.pdf aprile 2024 Terza cultura
 
XI Lezione - Arabo LAR Giath Rammo @ Libera Accademia Romana
XI Lezione - Arabo LAR Giath Rammo @ Libera Accademia RomanaXI Lezione - Arabo LAR Giath Rammo @ Libera Accademia Romana
XI Lezione - Arabo LAR Giath Rammo @ Libera Accademia Romana
 
Corso di digitalizzazione e reti per segretario amministrativo
Corso di digitalizzazione e reti per segretario amministrativoCorso di digitalizzazione e reti per segretario amministrativo
Corso di digitalizzazione e reti per segretario amministrativo
 
Esperimenti_laboratorio di fisica per la scuola superiore
Esperimenti_laboratorio di fisica per la scuola superioreEsperimenti_laboratorio di fisica per la scuola superiore
Esperimenti_laboratorio di fisica per la scuola superiore
 
lezione di fisica_I moti nel piano_Amaldi
lezione di fisica_I moti nel piano_Amaldilezione di fisica_I moti nel piano_Amaldi
lezione di fisica_I moti nel piano_Amaldi
 
La seconda guerra mondiale per licei e scuole medie
La seconda guerra mondiale per licei e scuole medieLa seconda guerra mondiale per licei e scuole medie
La seconda guerra mondiale per licei e scuole medie
 

Psicometria Parte II

  • 1. Università degli Studi “Aldo Moro” di Bari Dott.ssa Picucci Luciana Psicometria Indici di Dispersione e Standardizzazione
  • 2. Indici di Dispersione (o di variabilità) Misurano la variabilità ovvero il modo in cui i possibili valori che misurano una variabile si disperdono, si distribuiscono, attorno all’indice di tendenza centrale Esempio: Altezza in classe. Se tutti avessimo la stessa statura non ci sarebbe variabilità Riflettono la bontà dell’indice di tendenza centrale (>è la variabilità, < è la bontà dell’indice di tendenza centrale)
  • 3. Indici di Dispersione • Campo di variazione(range) CRITERI se la variabilità è nulla l'indicatore • Varianza e deviazione deve assumere valore 0; standard l'indicatore deve crescere al crescere della variabilità; • Coefficiente di variazione l'indicatore può assumere soltanto valori positivi.
  • 4. Campo di Variazione (range) • Indice poco attendibile dipende da valori estremi (problemi con valori anomali/outliers) Calcolo Gamma ()= Xmax – Xmin Es: 1, 4, 6, 7, 5, 3, 12, 9  =12-1= 11
  • 5. Varianza e deviazione standard Si basa sul calcolo dello scostamento di ogni valore della distribuzione dalla media Problema: Proprietà della media, la sommatoria degli scarti dalla media è = 0 Soluzione: elevare gli scarti al quadrato
  • 6. Varianza • Media degli scarti al quadrato tra i dati e la media dei dati stessi • È nulla quando non c’è varianza • Aumenta al crescere della variabilità interna della distribuzione
  • 7. Esempio Calcolo Varianza (esempio in classe con lo Span visivo)
  • 8. Deviazione standard (scarto quadratico medio) Limite: Non è una misura assoluta, dipende dalla media Il confronto tra 2 ds con medie diverse non permette di fare inferenze circa la maggiore o minore variabilità dei punteggi delle 2 distribuzioni (Esempio depressione di persone in vacanza; depressione di soggetti in burnout)
  • 9. Coefficiente di Variazione Se dobbiamo confrontare la variabilità di misure espresse con unità di misura diverse Importante per confrontare la variabilità di costrutti psicologici differenti o di campioni diversi
  • 10. Esercizio • Ansia espressa in velocità dell’eloquio (n di parole in 5 secondi) 10 14 8 9 15 13 • Ansia espressa in (n di passi condotti da un padre in sala attesa in 5 secondi) 7, 6, 4, 5, 9, 12 Quale delle due serie di risultati presenta maggiore variabilità?
  • 11. Esercitazione in classe • 4 distribuzioni, 1 per ogni quadrante Calcolare Range, Varianza, deviazione standard e coefficiente di Variazione
  • 12. Standardizzazione * Procedure di somministrazione uniformi (l’ ambiente nel quale si effettua il test, gli stimoli proposti, l’atteggiamento del somministratore, le istruzioni fornite, il tempo assegnato, devono essere sempre gli stessi in modo da mettere tutti i rispondenti nelle stesse condizioni) * Norme statistiche di un test (campione di standardizzazione) Tutte le informazioni nei MANUALI TECNICI (assicurarsi che il test sia standardizzato per il campione che mi interessa testare)
  • 13. Cosa si fa con i punti z • Trasformazione opportuna per confrontare i punteggi grezzi con le norme statistiche • Per confrontare punteggi provenienti da prove differenti (dal confronto di due o più punteggi risulterà migliore quello che fa assumere al relativo punto Z il valore più alto)
  • 14. I punti z Il punto z esprime la distanza del punteggio grezzo dalla media in termini di deviazioni standard. Ci dice di quante ds il p.g. si discosta dal campione normativo. Tanto più alto è il valore di z tanto più si discosta dalla media (in termini positivi -più alto- o negativi -più basso-) X=53 M=56 Ds=3 Z=1
  • 15.
  • 16.
  • 17.
  • 18. Punti T • A seconda che il pg sia maggiore o minore della media otterrà valori positivi o negativi. Per ovviare all’uso di indicatori negativi, scala in punti T: Media 50 e Ds 10
  • 19. Esercizio Il soggetto risponde Test di intelligenza spaziale Test di intelligenza verbale A quale dei due test è andato meglio?? Trasformare i punteggi grezzi in punti t
  • 20. Esercitazione Test QPA -Questionario sulle Preoccupazioni abituali- (Picucci &Bosco, 2009)
  • 21. Scoring Sommare le risposte del rispondente in ogni dimensione in modo da ottenere 5 punteggi (tante quante sono le dimensione) +1 fattore generale (somma delle 5 dimensioni) La procedura di scoring (attribuzione del punteggio) porta all’ottenimento del punteggio grezzo
  • 22. Per interpretare il punteggio a questo test , il manuale richiede la trasformazione in punti T 1) Trasformazione in punti z 2) Trasformazione in punti T
  • 23. Delinea il tuo profilo di preoccupazione
  • 24. Tipologie di test • Tipologia di performance richiesta Massima performance – Tipica Performance • Limiti di tempo Test di potenza – Test a tempo • Uso di parole Test verbali- Test Non verbali (culture-free) • Modalità di somministrazione Test individuali/collettivi -Test auto/etero somministrati • Attribuzione di punteggio Test Oggettivi- Test Soggettivi