Nové přístupy k analýze dat testu sémantického výběru

FILIP, Miroslav a Tomáš URBÁNEK. Nové přístupy k analýze dat testu sémantického výběru. Československá psychologie. 2005, roč. 2005, č. 6, s. 563-578. ISSN 0009-062X.

Základní údaje

Originální název

Nové přístupy k analýze dat testu sémantického výběru

Název česky

Nové přístupy k analýze dat testu sémantického výběru

Název anglicky

New approaches to the analysis of the data from the Semantic selection test

Autoři

FILIP, Miroslav (203 Česká republika) a Tomáš URBÁNEK (203 Česká republika, garant)

Vydání

Československá psychologie, 2005, 0009-062X

---

Další údaje

Jazyk

čeština

Typ výsledku

Článek v odborném periodiku

Obor

50100 5.1 Psychology and cognitive sciences

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Impakt faktor

Impact factor: 0.241

Kód RIV

RIV/00216224:14210/05:00019336

Organizační jednotka

Filozofická fakulta

UT WoS

000235053900007

Klíčová slova anglicky

Semantic Selection Test; item analysis; optimal scaling; Rasch model

Štítky

item analysis, optimal scaling, Rasch model, Semantic selection test

---

Anotace

V originále

Článek se věnuje psychometrickým otázkám používání Testu sémantického výběru. Nejprve kritizuje tradiční způsob analýzy dat, který obsahuje logické nedostatky, a navrhuje dva alternativní přístupy - optimální škálování a analýzu založenou na Raschově modelu. Prokazuje, že oba přístupy vedou ke srovnatelným výsledkům - optimální škálování k o něco obecnějším výsledkům dosažitelným i na základě velmi stručných dat a analýza na základě Raschova modelu k detailnějším výsledkům za cenu náročnější výpočetní procedury, která klade na bohatost dat větší nároky. Aplikace obou přístupů s přihlédnutím k jejich výhodám a nedostatkům odkrývá validní výsledky, se kterými lze dále interpretačně pracovat podle kontextu výzkumné nebo diagnostické situace.

Anglicky

The article concerns the psychometric questions of the Semantic Selection Test. First the traditional approach to data analysis is criticized because of its logical drawbacks and then two alternative approaches are proposed - the optimal scaling and the analysis based on the Rasch model. We prove that both approaches lead to comparable results - the optimal scaling to more general results obtainable even for very sparse data and the analysis based on the Rasch model to more detailed results but with more demanding computing procedure and stronger need of denser data. Application of both approaches with respect to their advantages and limitations reveals valid results which can be further interpreted according to the research or clinical context.