《高级心理测量-1_概化理论简介》由会员分享，可在线阅读，更多相关《高级心理测量-1_概化理论简介（2页珍藏版）》请在金锄头文库上搜索。
1、1 1 概化理论简介概化理论简介概化理论（Generalizability Theory, GT）将经典测量理论的内容和运用范围进行了扩展 和延伸。在 GT 中，测量情景关系由测量目标和（object of measurement）测量侧面（facet of measurement）构成。测量目标，即测验中所要描述的特性，不仅仅是受测者的某种潜在 特质，也可以是测验题目或评分者的某种特征（杨志明，张雷，2003） 。测量侧面则是影响 和制约测量目标的各种因素和条件，包括测量工具、测量环境、测量时间等。测量侧面又 可分为随机侧面（random facet）和固定侧面(fixed facet)：随
2、机侧面中，侧面各水平是从所 有可能的水平中随机选取：固定侧面的各水平则是固定不变的，在 GT 模型中。至少需要 包含个随机侧面才能进行推推或概化(Brennan，2000b)。一个测量侧面所有可能水平的全体称之为可接受的观察全域（universe of admissible observations)。测量对象在观察全域上的观察均分称为全域分数(universe-score)。类似于经 典测量理论中的真分数。实际测量活动中，测量面具有的特定条件样本对应的条件总体称 为条件全域(universe)。因此，观察全域应该为所有测量侧面条件全域的集合，则全域分数 应是所有条件全域上观察分数的均值。概括
3、推论测验结果时所涉及的测量面条件全域的集 合叫做概括全域或概化全域(Universe of Generalization)。在 GT 中，将 CTT 中的“信度”转化为概化系数或可靠性指标 系数，概化系2E 数关注的是测量的相对误差，即测验设计中侧面和测量目标之间的交互作用。可靠性指数 则关注的是绝对误差，即所有侧面的主效应和侧面及测量目标之间的交互效应的方差分量。GT 研究过程由两大部分组成，G 研究和 D 研究。G 研究是指在观测全域上，根据测 量设计对测量目标、所有侧面以及它们之间的交互作用的方差协方差分量进行估计。在这 个研究中，需要研究者明确测量对象和测量目标、测量侧面和观测全域以及
4、它们的关系， 还包括对测量设计和测量模式的确定。测量目标和测量侧面形成 3 种测量设计，分别是， 交叉没原封不动(cross design)、嵌套设计(nest design)和混合设计(mixed design)。每种测量 设计都对应相应的测量模型及其假设。在测量模型中，将观察分数分解为总体均值和各种 误差变异效应的累加。依据测量设计收集样本数据后，运用 ANOVA 的分析方法估计观察 全域的方差分量，并确定测量目标，测量侧面及其交互作用的方差分量。这些方差估计值 将为有效的测量方法提供定信息。D 研究则是在 G 研究基础上，通过改变测量侧面结构， 测验模型等来考察概化系数和可靠性指数的变化
5、，从而为有效控制误差，提高测验精度提 供参考。其中，需要根据测量目的确定概化全域，也就是确定测验结果推广的侧面，及各 侧面推广的范围。然后根据确定的概化全域，在各侧面条件样本水平上重新估计 G 研究中 各因素的效应和交互作用的方差分量，获得特定概化全域上的整个测验的概化系数和可靠 性指数。通过多次反复。获得不同概化全域上的系数指标，比较这些系数的估计精度，从 而确定最佳的测量设计方案，将 G 研究中结果概化到新的全域上。由于在实际的测量中，常会涉及一个测量目标同时具有多个全域分数的问题，比如一 个测验包括多个分测验，这些分测验的分数就可理解为同测量目标所具有的多个全域分 数。于是在单变量概化理
6、论的基础上发展出了多元概化理论，多元概化理论在继承了单变 量概化理论的思想基础上。还提供了测验目标、测量侧面等因素更为详细的方差协方差分 量的估息，具有更为广泛的使用范围。 2 2 概化理论在兴趣测验设计中的运用概化理论在兴趣测验设计中的运用为了加强对中学生升学和就业过程的指导，提高升学与就业指导工作的科研水平，许 多研究者尝试编制了职业兴趣测验，因为通过职业兴趣测量可以得到个体对于职业的兴趣 类型，进而通过“匹配”原理为其找到适合的专业、职业提供更科学合理的指导，教育部考试中心组织开发的升学指导测验中的兴趣测验显示，我国高中生职业兴趣类型 不同于霍兰德(Hol-land)职业兴趣理论中所描述的 6 种类型，而是 7 种，具体为，技术型， 研究型、艺术型、社会型，经营型、事务型、自然型。其中自然型是具
