التحقق النوعي والكمي للأدوات ذات المقاييس التقديرية التي تهدف إلى تقييم جودة التعلم الخدمي الجامعي

في المجال الناشئ للتعلم الخدمي الجامعي ، نفتقر إلى الأدوات الموحدة التي تجمع بين الموثوقية والصلاحية ، النوعية والكمية ، وموجزة بما يكفي لاستخدامها بسهولة. يسمح دمج التصنيف والمقاييس بالمقارنة بين المهنيين لتقييم جودة التعلم الخدمي الجامعي. حاليا ، لا توجد أداة أخرى تحقق ذلك.

QaSLu هي أول أداة تم إنشاؤها من خلال عملية تحقق نوعية وكمية صارمة تسترشد بمبدأ البخل. إنه موجز ، لكنه قوي للغاية من الناحية العلمية. يحدد هذا البروتوكول الطريق إلى الأمام لأدوات علمية جديدة صالحة وقوية وعملية.

ليس فقط للتعلم الخدمي ، ولكن أيضا في مجال التعليم بشكل عام. نخطط لإنشاء تصنيف ومقاييس جديدة للمجموعات المختلفة الأخرى وتوسيع العينة المشاركة لتحسين تقييم QaSLu ، وجعلها مفيدة في سياقات مختلفة. للبدء ، قم بإنشاء المسودة الأولى ل QaSLu على سطح المكتب.

قم بإجراء تحليل محتوى للعناصر من الأدوات الأساسية المعترف بها لتقييم تجارب تعلم الخدمة. مراجعة العناصر من الأدوات الدولية التي تحدد معايير الجودة ومن القواعد الأساسية المعترف بها من قبل مجتمع خبراء تعلم الخدمة. تصنيف جميع العناصر حسب المراحل المتضمنة في تصميم تجربة تعلم الخدمة ، مثل التصميم والتنفيذ والتقييم.

ثم قم بتصنيف جميع العناصر حسب تطبيق تعلم الخدمة ، مثل المرحلة الأولية والتخطيط والتنفيذ والإغلاق والنسخ المتماثل. اختيار عينة كبيرة من الخبراء في التعلم الخدمي الجامعي لتقييم مسودة الصك. تكوين فريق الخبراء النهائي لتقييم الأداة النهائية لتقييم USL، بهدف قائمة بالخبراء ذوي التنوع الأكاديمي والمهني والتنوع الجغرافي والتنوع بين الجنسين.

بمجرد استلام البيانات من الخبراء في الجولة 1 ، احسب معامل توافق كيندال من أجل الملاءمة من خلال النقر بالتتابع على تحليل ، والاختبارات غير المعلمية ، والحوارات القديمة ، والعينات ذات الصلة بك. اختر Kendall's W ضمن نوع الاختبار. ثم حدد جميع الردود من الخبراء فيما يتعلق بالملاءمة والوضوح.

انقل العناصر إلى قائمة متغيرات الاختبار وانقر فوق موافق لتشغيل التحليل. بعد تلقي ملاحظات خبراء الجولة 2 ، يتم إعادة تقييم معامل توافق كيندال في وقت مبكر وإزالة العناصر المصنفة على أنها غير ذات صلة للغاية. إعادة صياغة البنود التي تعتبر ذات صلة كبيرة ولكنها غير واضحة لتحسين الصياغة والدقة للحصول على النسخة النهائية من استبيان التقييم الذاتي لخبرات تعلم الخدمة الجامعية ، QALu-45.

بمجرد الحصول على استبيانات مكتملة كافية، قم بتقييم الاتساق الداخلي للاستبيان باستخدام حزمة البرامج الإحصائية الأولى. انقر فوق تحليل، متبوعا بالمقياس، ثم تحليل الموثوقية. اختر Alpha في مربع الحوار، ثم انقل جميع المتغيرات ذات الصلة إلى مربع الحوار تحليل الموثوقية وانقر فوق موافق لإنشاء الإخراج.

قم بإجراء تحليل العوامل الاستكشافية في حزمة البرامج الإحصائية الأولى عن طريق فتح تحليل ، ثم انقر فوق تقليل الأبعاد ، متبوعا بالعامل. في حوار تحليل العوامل ، انقل جميع بنود الاستبيان إلى مربع المتغيرات ، ثم اضغط على الوصف و KMO واختبار بارتليت للكروية واختر الوصفيات أحادية المتغير. انقر فوق متابعة.

بعد ذلك ، اضغط على الاستخراج وحدد المكونات الرئيسية كطريقة الاستخراج. تحقق من خيارات حل العامل غير المستدير ومخطط Scree ، ثم انقر فوق متابعة ، واضغط على موافق لإنشاء الإخراج. حدد العناصر المراد إزالتها والتي تظهر علاقة عكسية مع المكون الرئيسي.

باستخدام مصفوفة المكونات التي تم الحصول عليها في نتائج تحليل العوامل الاستكشافية ، قم بوضع علامة على العناصر ذات الأحمال السلبية على العامل الرئيسي واستبعادها من الإصدار أحادي العامل المخفض والمحسن من QaSLu. بعد ذلك ، قم بإجراء تحليل العوامل التأكيدية باستخدام حزمة البرامج الإحصائية الثانية لتقييم جودة ملاءمة نموذج العامل الواحد. حدد قراءة البيانات، وانقر فوق استعراض في مربع الحوار عينة وحدد ملف بيانات ASCII الذي تم إنشاؤه مسبقا.

تحقق من عرض عدد المشاركين والمتغيرات باللون الأخضر في حجم مصفوفات البيانات. اضغط الآن على فتح مجموعة بيانات مجموعة واحدة وارجع إلى القائمة الرئيسية. انقر فوق تكوين التحليل في القائمة الرئيسية، ثم حدد تحليل العوامل التأكيدية في قائمة الحوار وانقر فوق تأكيد، وهي نافذة تكوين CFA:تحليل العوامل.

اقبل الإعدادات الافتراضية وانقر فوق تأكيد للعودة إلى القائمة الرئيسية. عندما تكون الرسالة ، تحليل العوامل التأكيدية جاهزة! يظهر ، انقر فوق الزر "حساب" وانتظر النتائج.

بعد ذلك ، افتح حزمة البرامج الإحصائية الثانية لإجراء تحليل عامل استكشافي قوي غير مرجح للمربعات الصغرى. حدد قراءة البيانات، ثم انقر فوق استعراض في مربع الحوار نموذج واختر ملف ASCII الذي تم إنشاؤه مسبقا. سيتم عرض عدد المشاركين والمتغيرات باللون الأخضر في قسم حجم مصفوفات البيانات.

الآن ، انقر فوق أيقونة فتح مجموعة بيانات المجموعة الواحدة للعودة إلى القائمة الرئيسية. في القائمة الرئيسية ، انقر فوق تكوين التحليل ، ثم حدد تحليل العوامل الاستكشافية في قائمة الحوار وانقر فوق الزر تأكيد. في قائمة تكوين تحليل العوامل الاستكشافية، اختر العناصر المحددة على أنها لها علاقة عكسية مع المكون الرئيسي وانقلها إلى المربع المتغيرات المستبعدة.

الآن ، تحقق من مصفوفة ارتباط بيرسون وخيارات التحليل المتوازي ، واضبط عدد العوامل أو المكونات على 1 وحدد تحليل العوامل القوية. انقر فوق تأكيد للعودة إلى القائمة الرئيسية ثم انقر فوق حساب لإنشاء النتائج. لتحديد العناصر المراد إزالتها التي لديها مقياس كفاية أخذ العينات أو درجة MSA أقل من 0.49 ، راجع النتائج التي تم الحصول عليها من تحليل العوامل الاستكشافية RULS باستخدام حزمة البرامج الإحصائية الثانية ، وتحديدا موقع العنصر ومؤشرات كفاية العنصر ، واستبعادها من الإصدار أحادي العامل المحسن المخفض من QSLu.

قم بإنشاء متغير جديد في حزمة البرامج الإحصائية بدون العناصر التي تم حذفها عن طريق تحديد قائمة التحويل والضغط على متغير الحوسبة. قم بتسمية المتغير الجديد باسم SUM 27، ثم حدد الدالة SUM وأكمل التعبير الرقمي بقائمة العناصر المحسنة. انقر فوق موافق لإنشاء المتغير الجديد، SUM 27.

احسب النسب المئوية ل SUM 27 عن طريق تحديد تحليل، متبوعا بالإحصاء الوصفي والترددات. انقل SUM 27 إلى مربع المتغيرات ثم انقر فوق أيقونة الإحصائيات. حدد النسب المئوية وأضف 1 و5 و15 و25 و35 و45 و55 و65 و75 و85 و95 و99.

انقر فوق متابعة ثم موافق لإنشاء النسب المئوية. كرر الإجراء المئوي لكل مقياس تصنيف بالنقر فوق أيقونة تقسيم الملف واختيار كل متغير ذي صلة ، ثم حدد تنظيم الإخراج حسب المجموعات. انقر فوق زر السهم واضغط على موافق لإنشاء نسب مئوية مجمعة ل SUM 27.

لإنشاء جدول لكل مقياس تصنيف، قم أولا بإضافة صف عنوان وصفوفا للمستويات منخفضة ومتوسطة/منخفضة ومتوسطة ومتوسطة/عالية وعالية مع الصفوف الفرعية المئوية المحددة. في صف العنوان، أضف عمود مستوى وعمود نسبة مئوية وأعمدة إضافية لشروط المتغير المحدد. أكمل كل جدول بنطاقات الدرجات المعينة إلى النسب المئوية المحسوبة.

يتم تقديم النتائج التي تم الحصول عليها من العينة المشاركة إلى مقارنات مثبتة بناء على مقاييس التصنيف المستخدمة في الدراسة. تتكون الرتب المختلفة لكل فئة من النقاط الوسيطة بينهما. على سبيل المثال ، تم الحصول على النسبة المئوية 50 من درجات النسبة المئوية 45 والنسبة المئوية 54.

تظهر جميع الرتب باستثناء النسبة المئوية 1 و 99 نطاقات محدودة تماما تتوافق مع النسب المئوية 4 و 95 بالإضافة إلى أي تعديلات محتملة على النتيجة. يسمح كل من هذه المقاييس بمقارنة درجات كل مستخدم منظور عن طريق اختيار مقياس التصنيف المناسب وفقا لخصائصه.