Cours 9 - SPSS

Question 1

Effet de plafond et effet de plancher:

Answer 1

c’est quand on arrive a un moment ou l’outil est plus capable de distinguer les scores élever des scores très élevé par exemple, ex. un test de mathématiques un peu trop facile pour le groupe et la tout le monde arrive a des scores très élevé, c’est pu une courbe normal, on peux plus savoir qui se retrouve a la moyenne ou non, ca c’est un effet de plafond, ex les gens qui ont eu 100% aurait du recevoir la notes de 120% vue que c’étais facile

Effet de plancher = le contraire

Question 2

Analyse d’items :Effet plancher et plafond exemple

Answer 2

Dans cet exemple, le score maximum est de 4 et le score minimum est de 1

Question 3

effet de plancher vs effet de plafond

Answer 3

Effet plafond :
Moyenne + écart type > score maximum possible
Effet plancher:
Moyenne - écart type < score minimun possible

On doit prendre la moyenne de façon plus significative

Question 4

Analyse d’items : Exam Effet plancher et plafond (item bien fait, pas d’effet de plancher ou plafond)

Answer 4

Question 5

Analyse d’items :Effet plancher et plafond (Effet plafond)

Answer 5

Question 6

Analyse d’items :Effet plancher et plafond (Effet plancher)

Answer 6

Question 7

Ana lyse d’items : Ma trice de correla tions interitems

Answer 7

Question 8

Ana lyse d’items : Ma trice de correla tions interitems QUOI FAIRE

Answer 8

1.Identifier les corrélations les plus fortes
2.Identifier les corrélations les plus faibles
3.Analyser les items un à la fois 4.Regarder la vue d’ensemble

Question 9

Answer 9

On va porter attention au items trash
On doit pas trouver des corrélations négatives

Le 2 est bon le 3 aussi, 4 faible par rapport au 1 et 5, le 5 est faible avec 4 et 6

1-4-5 TRASH
2-3 BON

Question 10

Cla ssement préliminaire des items, On fait un classement

Answer 10

2-3 les deux on le met en 1

1-4-5 c’est les trash mais on sait pas lequel est le pire

Question 11

La corrélation complète des éléments corriger va mesurer la relation entre chaque items et la variable total

Question 12

Answer 12

après, Avec effet de cronbach j’pense

Question 13

V ou F: Alpha de Cronbach comme Coherence interne

Answer 13

v

Question 14

Alpha de Cronba ch en ca s de suppression des items

Answer 14

Question 15

Answer 15

si on delete des items

Question 16

Question 17

Supprimer les items 1 et 5 > Supprimer les items 4 et 6 Les 3 pires items Pourquoi ne pas enlever 1, 5 ET 4?

Answer 17

Classement final
1-4-5 avait lair pas bon mais quand on enlève 1 et 5 il devient bon le 4

Question 18

Split-ha lf

Answer 18

Question 19

Erreur-type de mesure montre l’effet de la :

Answer 19

fiabilité sur un score généré par l’instrument.

Question 20

Lorsque l’ETM est plus grand que la moitié d’un ÉT, on dit qu’il y a trop d’erreur de mesure. (Indicateur de la précision de notre instrument)
Donc on vise : ETM/ÉT < ______%

Answer 20

50%, On veux ce soit en bas de 50%

Question 21

• Pour interpréter les indices de validité critériée, vous devez vous baser sur les normes
  de Cohen (1988) :
• Corrélation faible : r = 0,10
• Corrélation moyenne : r = 0,30 * Corrélation forte : r = 0,50
  Pour la stabilité temporelle, utilisez le même barême que pour les autres indices de fiabilité

Question 22

Hypothèses : Exemple

Answer 22

Hypothèse 1 :
Corrélation négative et faible (r = -0,11) avec la performance académique
Hypothèse 2 :
Corrélation positive et moyenne (r = 0,27) avec le « social self-esteem »

Question 23

Congruence et sta bilité temporelle

Answer 23

Question 24

Résumé de l’analyse d’items

Answer 24

• Effet plafond de l’item 5
• Intercorrélations entre les items assez problématiques: de nombreuses corrélations faibles et même une corrélation négative.
• Selon cette matrice, les items 2-3 semblent les deux meilleurs, suivi de l’item 6. Les items 1-4 et 5 ne semblent pas très bons. Les items 1 et 5 se « comportent » de la même façon et l’item 4 se comporte davantage comme l’item 6.
• Les items 2 et 3 sont les plus liés au score total, suivis de l’item 6 et de l’item 4. Les items 1 et 5 sont les moins liés au score total.
• Le seul item dont le retrait semble avoir un impact bénéfique sur l’alpha est l’item 4. Par contre, lorsque l’on analyse la matrice d’inter corrélations, cet effet est dû à sa mauvaise relation avec les deux pires items et il est donc plus sage de le conserver.
• L’ordonnancement final des items est: 3-2-6-4 et 1-5

Question 25

Résumé de l’analyse 2

Answer 25

• La stabilité temporelle est inacceptable (rxx = 0,558)
• L’alpha de Cronbach est inacceptable (α = 0,573)
• La corrélation « split-half » est inacceptable (rxx = 0,597)
• En fonction de ces données et de l’ETM avec un ratio au-dessus de 50% par rapport à l’ÉT, on peut conclure que l’instrument comporte trop d’erreur de mesure.
• Il pourrait être possible d’augmenter la fiabilité de l’instrument en supprimant les items 1 et 5 tout en créant de nouveaux items semblables aux items 2 et 3. Le nombre idéal de nouveaux items pourra être calculé à l’aide de la formule de prophétie.

Question 26

Résumé de l’analyse 3

Answer 26

• Pour la validité critériée:
• la première hypothèse est infirmée car la corrélation n’est pas significative.
• La seconde hypothèse, puisque la relation est plus forte que prévue, est partiellement confirmée.
• Cependant, étant donné la très faible fiabilité de l’instrument de mesure, l’erreur de mesure contamine fortement ces résultats et l’instrument possède automatiquement une mauvaise validité.
• À l’aide de la formule d’atténuation, il serait possible d’estimer les coefficients de corrélation théoriques maximaux si l’instrument comportait moins d’erreur de mesure.

Question 27

Résumé : Ba rèmes d’interpréta tion

Answer 27

Critères de fiabilité : 0,6 – 0,7 – 0,8 – 0,9
*Alpha, Split-half, Corrélation test-rest, Alpha en cas de suppression de l’élément
Critère de Cohen (1988): 0,1 – 0,3 – 0,5
*Hypothèses de validité critériée, matrice de corrélations interitems, corrélation complète des éléments corrigés

Question 28

critère de cohen et couleur:

Answer 28

negatif - rouge
faible 0,10 rouge
moyenne 0,30 jaune
forte 0,50 vert