定性与定量验证用于评估高校服务性学习质量的量表类工具

在新兴的大学服务学习领域，我们缺乏兼具可靠性与有效性、定性与定量相结合且足够简明而易于使用的标准化工具。引入评分和量表可实现不同专业人员之间的比较，以评估大学服务学习的质量。目前尚无其他工具能够实现这一目标。

QaSLu 是首个通过严格定性与定量验证流程、并遵循简约性原则所开发的仪器。它篇幅简短，但具有极高的科学严谨性。本方案为开发具备有效性、稳健性和实用性的新型科学仪器指明了方向。

不仅限于服务性学习，也包括更广泛的教育领域。我们计划为其他不同群体创建新的评分标准和量表，并扩大参与样本，以进一步提升 QaSLu 的评估价值，使其适用于不同情境。首先，在台式计算机上创建 QaSLu 的第一版草案。

对用于评估服务学习体验的主要工具中的条目进行内容分析。审阅来自国际工具的条目，这些工具定义了质量标准，并涵盖服务学习专家领域公认的主要评分量规。根据设计服务学习体验所涉及的阶段（如设计、实施和评估）对所有条目进行分类。

然后根据服务性学习的应用阶段对所有项目进行分类，例如初始阶段、规划阶段、实施阶段、结项阶段以及复制推广阶段。选取大量在大学服务性学习领域具有专长的专家，对初步编制的测量工具进行评估。组建最终的专家小组，对用于评估美国服务性学习（USL）的定型化测量工具进行评价，专家名单应涵盖学术与专业背景的多样性、地理分布的多样性以及性别的多样性。

收到第一轮专家的数据后，依次点击“分析”、“非参数检验”、“旧对话框”和“K个相关样本”，以计算相关性 Kendall 协和系数。在“检验类型”下选择 Kendall's W。然后选择所有专家关于相关性和清晰度的反馈。

将条目移至“检验变量”列表，然后点击“确定”以运行分析。在收到第二轮专家反馈后，重新评估之前计算的肯德尔和谐系数，并删除被评为高度不相关的条目。对被认为高度相关但表述不清的条目进行重新表述，以改进措辞和精确性，最终形成《大学服务性学习体验自我评估问卷》QaSLu-45 的最终版本。

获得足够数量的完整问卷后，使用统计软件包一评估问卷的内部一致性。依次点击“分析”、“量表”，然后选择“可靠性分析”。在对话框中选择“Alpha”，随后将所有相关变量移入可靠性分析对话框，点击“确定”以生成结果。

在统计软件包一中进行探索性因子分析：打开“分析”，然后点击“降维”，接着选择“因子”。在因子分析对话框中，将所有问卷条目移入变量框，然后点击“描述统计”和“KMO与巴特利特球形度检验”，并选择“单变量描述统计”。点击继续。

接下来，点击“提取”，并选择“主成分”作为提取方法。勾选“未旋转的因子解”和“碎石图”选项，然后点击“继续”，再点击“确定”以生成结果。识别出与主成分呈反向关系的需删除条目。

根据探索性因子分析结果中获得的成分矩阵，标记在主因子上具有负荷载的条目，并将其从QaSLu简化优化的单因子版本中剔除。接下来，使用统计软件包二进行验证性因子分析，以评估单因子模型的拟合优度。选择“读取数据”，在样本对话框中点击“浏览”，并选择先前创建的ASCII数据文件。

确认在“数据矩阵大小”中显示的参与者数量和变量数量为绿色。现在点击“打开单组数据集”并返回主菜单。在主菜单中点击“配置分析”，然后在对话菜单中勾选“验证性因子分析”，点击“确认”，进入“CFA：因子分析配置”窗口。

接受默认设置，然后单击“确认”返回主菜单。当出现“验证性因子分析已就绪！”消息时，单击“计算”按钮并等待结果。

接下来，打开统计软件包 two，以执行稳健的未加权最小二乘法探索性因子分析。选择“读取数据”，然后在样本对话框中点击“浏览”，并选择先前创建的 ASCII 文件。参与者和变量的数量将在“数据矩阵大小”部分以绿色显示。

现在，单击“打开单组数据集”图标以返回主菜单。在主菜单中，单击“配置分析”，然后在对话菜单中选择“探索性因子分析”，并单击“确认”按钮。在探索性因子分析配置菜单中，选择被确定为与主成分呈反向关系的项目，并将其移至“排除变量”框中。

现在，勾选皮尔逊相关矩阵和平行分析选项，将因子或主成分数量设置为1，并选择稳健因子分析。单击确认返回主菜单，然后单击计算以生成结果。为了识别需要删除的条目（其抽样适切性度量或MSA得分低于0.49），请查阅使用统计软件包二对QaSLu进行RULS探索性因子分析所得的结果，特别是条目位置和条目适切性指数，并从简化优化的单因子版本QaSLu中剔除这些条目。

在统计软件包中，通过选择“转换”菜单并点击“计算变量”来创建一个不含已删除条目的新变量。将新变量命名为 SUM 27，然后选择 SUM 函数，并使用优化后的条目列表完成数值表达式。单击“确定”以生成新变量 SUM 27。

通过选择“分析”，然后选择“描述性统计”和“频率”，计算 SUM 27 的百分位数。将 SUM 27 移至“变量”框，然后单击“统计”图标。选择“百分位数”，并添加 1、5、15、25、35、45、55、65、75、85、95 和 99。

单击“继续”，然后单击“确定”以生成百分位数。通过单击“拆分文件”图标并选择每个相关变量，然后选择“按组组织输出”，对每个评分量表重复上述百分位数计算过程。单击箭头按钮，然后按“确定”，以生成 SUM 27 的分组百分位数。

为每个评分量表创建表格时，首先添加一个标题行，以及对应于“低”、“中低”、“中”、“中高”和“高”等级的行，并包含指定的百分位数子行。在标题行中，添加“等级”列、“百分位数”列，以及代表所选变量各条件的额外列。根据计算出的百分位数，将分数范围填入各表格中以完成表格内容。

根据研究中使用的评分量表，将参与样本所得结果与既定的比较标准进行对照。每个类别的不同等级由其间的中间值构成。例如，第50百分位数是根据第45百分位数和第54百分位数的得分计算得出的。

除第1和第99百分位外，所有等级均显示完全有界的范围，对应于第4和第95百分位，以及任何可能的分数调整。通过根据用户特征选择相应的评分量表，这些量表均可用于比较各视角用户的得分。