منابع تحقیق درباره اعتبار و پایایی ابزار سنجش، شاخص نرم نشده برازندگی

علوم و فنون دریایی مرد 64 019/0 9 9
زن 37 011/0 5 5
جمع کل 3357 1 450 410
4-5- اعتبار و پایایی ابزار سنجش
4-5-1- اعتبار سازه نظری مقیاس تقلب علمی
اعتبار سازه نظری رابطه یک وسیله اندازهگیری را با مباحث نظری مورد بحث قرار میدهد، به عبارت دقیق تر اعتبار سازهای این سوال را مطرح میکند که تا چه حد یک وسیله اندازهگیری منعکس کننده قضایای نظری است هر چقدر این انعکاس بالا باشد اعتبار سازهای بالا است.
برای بررسی اعتبار مقیاس متغیر وابسته از اعتبار سازه نظری استفاده شدهاست. آزمون تفاوت میانگین (آزمون T) تقلب علمی بر حسب جنسیت نشان میدهد که میانگین تقلب علمی دانشجویان پسر بطور معناداری بیشتر از دانشجویان دختر میباشد. نتایج حاصل از آزمون تفاوت میانگین جنسیت در این پژوهش با یافتههای تحقیقات تجربی (کوکران و همکاران، 1988؛ کاروآنا و همکاران، 2000، علیوردی و صالحنژاد، 1391) همراستا میباشد.
4-5-2- اعتبار سازه‌ تجربی مقیاسهای یادگیری اجتماعی
یکی از روشهای بررسی اعتبار سازه تجربی تحلیل عامل تاییدی است. برای بررسی اعتبار سازه تجربی مقیاسهای یادگیری اجتماعی از تحلیل عاملی تاییدی مرتبه اول استفاده شده است.
4-5-2-1- تحلیل عاملی تاییدی مرتبه اول
تحلیل عاملی تاییدی یک روش آماری است که برای پیدا کردن مجموعه کوچکی از متغیرهای مشاهده نشده که می توانند کواریانس را در بین مجموعه بزرگی از متغیرهای مشاهدهشده اندازهگیری کنند، به کار میرود. این تحلیل اساسا یک روش آزمون فرضیه است و بر این مفروضه متکی است که شما درباره اینکه مولفه متغیرهای مکنون چیست اندیشهای دارید؛ یعنی به دنبال یافتن نشانگرها (شاخصها) نیستید. تحلیل عاملی تاییدی این مطلب را میآزماید که آیا شاخصهایی که برای معرفی سازه یا متغیر مکنون خود برگزیدهاید، واقعا معرف آن است یا نه. همچنین این روش گزارش میدهد که نشانگرهای انتخابی با چه دقتی معرف یا برازنده متغیر مکنون است. برای بهبود برازندگی، نشانگرها با متغیر مکنون نیز راه حلهایی دارد (هومن، 1391). معمولا مدلهای عاملی تاییدی به صورت دیاگرامهای مسیر نمایش داده میشوند که در آن مستطیلها متغیرهای مشاهده شده را نشان میدهند و بیضیها مفاهیم پنهان را نشان میدهند. به علاوه پیکانهای یک طرفه برای نشان دادن جهت تاثیر علی فرضی به کار میروند. قدرت رابطه بین عامل (متغیر پنهان) و متغیر قابل مشاهده به وسیله بار عاملی بر روی این پیکانهای یک طرفه نشان داده میشود. برای نشان دادن رابطه قابل قبول، اندازه بارهای عاملی باید بزرگتر از 3/0 باشد. معنیداری بارهای عاملی نیز با مقدار T-VALUE مشخص میشود که برای معنیداری باید قدر مطلق مقدار T-VALUE از 96/1 بزرگتر باشد. پیکانهای دو جهته برای نشان دادن کواریانس بین دو متغیر پنهان به کار میروند. فلشهای کوچکی که به متغیرهای مشاهده شده متصل هستند خطای اندازهگیری یا خطای برآورد هستند و واریانس هریک از متغیرهای مشاهدشده را نشان میدهند که توسط عوامل مشترک تبیین نشدهاند.
برای بررسی این که مدل طراحی شده چقدر براساس دادههای مشاهده شده، حمایت خواهد شد، از آزمونهای برازندگی استفاده میشود. برای این کارشاخصهایی مورد استفاده قرار می‏گیرد که به آنها اشاره شده است:
شاخصهای مطلق: شاخصهای مطلق این پرسش را مطرح میسازد که آیا واریانس خطا یا تبیین نشده که پس از برازش مدل باقی میماند قابل توجه است؟ (هومن، 1391: 235).
مجذور کای(X²) و نسبت X²/df: در میان شاخص‏های مطلق، مجذور کای و نسبت X²/df، به قدر مطلق پسماندها توجه دارد.وقتی حجم نمونه برابر با 75 تا 200 باشد، مقدار مجذور کای یک اندازه معقول برازندگی است. اما به طور کلّی جهت تعیین اینکه آیا مدل برازش دارد یا نه، باید به این نکته توجه کرد که سطح معناداری برای شاخص کای دو باید بیشتر از 05/0 باشد تا این مطلب که مدل مفهومی با داده‏ها برازش دارد، تائید گردد. امّا برای مدلهای با n بزرگتر، مجذور کای (همانند همه آزمونهای معنادار بودن) تقریبا همیشه از لحاظ آماری معنیدار است. باید یادآور شد که توزیع مجذور کای به گونهای است که مقدار مورد انتظار آن برابر با درجهی آزادی آن است. بنابراین، نسبت X²/df در یک برازش «ایدهال» برابر با یک خواهد بود.
ریشه دوم میانگین مجذور پسماند(RMR): در شاخص ریشه دوم میانگین مجذور پس‏ماندها، تفاوت بین عناصر ماتریس مشاهده شده در گروه نمونه و عناصر ماتریسهای برآورد یا پیشبینی شده با فرض درست بودن مدل مورد نظر است. هر چه RMR برای مدل مورد آزمون نزدیکتر به صفر باشد، مدل مذکور برازش بهتری دارد.
شاخص برازندگی(GFI): بستگی به حجم نمونه دارد و نشان میدهد که مدل تا چه حد نسبت به عدم وجود آن، برازندگی بهتری دارد چون GFIنسبت به سایر شاخصهای برازندگی اغلب بزرگتر است، برخی از پژوهشگران نقطهی برش 95/0 را برای آن پیشنهاد کرده‏اند. بر پایهی قرارداد، مقدار GFI باید بزرگتر از 90/0 باشد تا مدل مورد نظر پذیرفته شود.
شاخص تعدیل برازندگی (AGFI): شاخص AGFI مانند GFI است، مقدار AGFI نیز باید برابر یا بزرگتر از 90/0 باشد تا مدل مورد نظر پذیرفته شود. اختلاف نظر هایی در گزارش شاخص ها بین صاحب نظران مدل معادلات ساختاری وجود دارد. بسیاری صاحب نظران معتقدند دشواریهایی در تفسیر شاخص نیکویی برازش GFI وجود دارد. چندین نقطهی برش برای GFI و AGFI پیشنهاد شده است، یک روش رایج این است که این دو شاخص باید به یک نزدیک باشند، البته این نکته را نیز می توان گفت که دو شاخص GFI و AGFI ارزش عملی کمی دارند (فوکس ، 2002). در نهایت می توان گفت اگر شاخص های CFI، AGFI ،GFI بزرگتر از 90/0 باشند بر برازش بسیار مطلوب و بسیار مناسب دلالت دارند و بزرگ تر بودن این شاخص ها از 80/0 حاکی از برازش مطلوب و مناسب مدل است.
شاخصهای نسبی: این شاخص ها به بررسی این موضوع می پردازند که یک مدل در مقایسه با سایر مدلهای ممکن، از لحاظ تببین مجموعهای از دادههای مشاهده شده تا چه حد خوب عمل میکند.
شاخص نرم شده برازندگیNFI) یا(DELTA1: بنتلر و بونت (1980) مقادیر NFI برابر یا بزرگتر از 90/0 را در مقایسه با مدل صفر، به عنوان شاخصی مناسب برای برازندگی مدلهای نظری توصیه کردهاند. ولی برخی دیگر نیز حداقل سطح پذیرش را 8/0 اعلام کرده‏اند.
شاخص نرم نشده برازندگی NNFI)): هر چند مقدار آن نسبت به تغییرات حجم نمونه مقاوم است، امّا چون دامنه آن محدود به صفر و یک نیست ، تفسیر آن نسبت به NFI دشوارتر است. بر پایه قرارداد ، مقادیر کمتر از 90/0 آن مستلزم تجدیدنظر در مدل است.
شاخص برازندگی فزاینده: IFI) یا (DELTA2: مقدار IFI نیز بر پایهی قرارداد، باید دست کم 90/0 باشد تا مدل مورد نظر پذیرفته شود.
شاخص برازندگی تطبیقی(CFI): مقدار آن بر پایهی قرارداد، باید دست کم 90/0 باشد تا مدل مورد نظر پذیرفته شود.

                                                    .