Evaluierung einer Lernsoftware - II
Additive Items, Containeritems und Globalitems
die Methode soll helfen effektiv und effizient Fehler und Schwächen zu diagnostizieren. Verwendet hab ich dazu eine etwas eigenwillige Form der Erhebung:
Jeder Themenkomplex (z.B. Schrift) wird vorerst durch ein Globalitem erhoben (z.B. "Insgesamt finde ich die Schrift und die Schriftzeichen gelungen/misslungen) und eine offene Frage ("Was mir zum Thema Schrift und Schriftzeichen noch wichtig wäre"). Schlechte Bewertung und offene Rückmeldungen führen in einer weiteren Erhebung zu differenzierterer Befragung durch ein ausgesuchtes Set additiver Items (z.B. Item 01: "Die Zeilenabstände erleichtern das Lesen"; Item 02: "Die Laufweite der Schriftzeichen behindert das Lesen"; Item 03 "...") und/oder ergänzend durch ein/mehrere Containeritems (Zur Schrift: Die Größe, Art, Dicke, Breite und Höhe der Schriftzeichen unterstützt die Lesbarkeit"). Auf diese Weise ist es möglich sich dem Problem anzunähern, es zu diagnostizieren und zu beheben.
Diese Methode nutzt die Vorteile quantitativer und qualitativer Forschung (Triangulation).
Gleichzeitig bietet sie mehrere Möglichkeiten zur Realisierung von Gütekriterien:
Grundsätzlich lassen sich die additiven items und die Containeritems wie Skalen behandeln mit allen dafür geeigneten statistischen Optionen (Reliabilität, Trennschärfe, etc.).
Die additiven und die Containeritems als Prädiktoren und das Globalitem als abhängige Variable (Kriterium) geben mit Hilfe einer linearen, schrittweisen Regressionsanalyse Hinweise auf a) Konstruktvalidität und b) auf Prädiktoren mit großer Vorhersagekraft für die Zufriedenheit der UserInnen.
Addiert man die additiven Items und die Containeritems zu einem zweiten 'Globalitem' (im SPSS mit dem Syntaxbefehl "mean.n(x, x, x, ....)"), lassen sich diese beiden Globalitems korellieren und geben so zusätzliche Auskunft über Aspekte der Reliabilität und Validität.
Fortsetzung folgt ;-)
die Methode soll helfen effektiv und effizient Fehler und Schwächen zu diagnostizieren. Verwendet hab ich dazu eine etwas eigenwillige Form der Erhebung:
Jeder Themenkomplex (z.B. Schrift) wird vorerst durch ein Globalitem erhoben (z.B. "Insgesamt finde ich die Schrift und die Schriftzeichen gelungen/misslungen) und eine offene Frage ("Was mir zum Thema Schrift und Schriftzeichen noch wichtig wäre"). Schlechte Bewertung und offene Rückmeldungen führen in einer weiteren Erhebung zu differenzierterer Befragung durch ein ausgesuchtes Set additiver Items (z.B. Item 01: "Die Zeilenabstände erleichtern das Lesen"; Item 02: "Die Laufweite der Schriftzeichen behindert das Lesen"; Item 03 "...") und/oder ergänzend durch ein/mehrere Containeritems (Zur Schrift: Die Größe, Art, Dicke, Breite und Höhe der Schriftzeichen unterstützt die Lesbarkeit"). Auf diese Weise ist es möglich sich dem Problem anzunähern, es zu diagnostizieren und zu beheben.
Diese Methode nutzt die Vorteile quantitativer und qualitativer Forschung (Triangulation).
Gleichzeitig bietet sie mehrere Möglichkeiten zur Realisierung von Gütekriterien:
Grundsätzlich lassen sich die additiven items und die Containeritems wie Skalen behandeln mit allen dafür geeigneten statistischen Optionen (Reliabilität, Trennschärfe, etc.).
Die additiven und die Containeritems als Prädiktoren und das Globalitem als abhängige Variable (Kriterium) geben mit Hilfe einer linearen, schrittweisen Regressionsanalyse Hinweise auf a) Konstruktvalidität und b) auf Prädiktoren mit großer Vorhersagekraft für die Zufriedenheit der UserInnen.
Addiert man die additiven Items und die Containeritems zu einem zweiten 'Globalitem' (im SPSS mit dem Syntaxbefehl "mean.n(x, x, x, ....)"), lassen sich diese beiden Globalitems korellieren und geben so zusätzliche Auskunft über Aspekte der Reliabilität und Validität.
Fortsetzung folgt ;-)
Kommentare