TEORI GENERALIZABILITY
Resume
Elements of Generalizability Theory
Dosen Pengampu:
Prof. Kumaidi, Ph.D
Oleh:
MARIANA
(17701261005)
Univers of Generalizability
Mungkin yang paling penting dari bahan pertimbangan studi D adalah
spesifikasi univers dari generalisasi, yang merupakan univers dari tiap-tiap
pengambil keputusan untuk menggeneralisir pada studi D sebagai kekhasan
prosedur pengukuran. Suatu univers generalisasi terdiri dari seluruh kondisi
gabungan pengamatan yang dapat diterima atau sebuah gabungan generalisasi
yang terdiri dari sebuah himpunan bagian dari kondisi gabungan pengamatan yang
dapat diterima. Lebih jauh lagi sebuah gabungan pengamatan tertentu yang dapat
diterima sering kali menyediakan suatu dasar pertimbangan dari berbagai
kemungkinan gabungan-gabungan generalisasi. Namun bagaimanapun,
permintaan yang logis adalah bahwa tidak ada gabungan generalisasi yang
didefinisikan lebih luas dari pada induk gagungan observasi pengamatan yang
dapat diterima. untuk menghargai pentingnya gabungan generalisasi ini, maka
perlu mempertimbangkan beberapa isu yang tercakup dalam rancangan studi D
yang spesifik.
Obyek pengukuran
Dalam sebagian besar aplikasi teori generalalisasi, peserta ujian atau orang
merupakan objek pengukuran. Kadang-kadang beberapa kumpulan kondisi yang
lain memainkan peran objek pengukuran. Sebagai contoh, dalam studi evaluasi,
kelas sering menjadi obyek pengukuran dengan orangnya dan facet lain yang
merupakan univers generalisasi.
Skor Universe
Apapun obyek pengukuran yang digunakan, skor universe semesta
didefinisikan untuk masing-masing dalam populasinya. Skor universe dapat
dilihat sebagai nilai rata-rata untuk sebuah objek pengukuran atas semua kondisi
semesta generalisasi. Dengan demikian, skor universe adalah nilai "ideal" untuk
sebuah objek pengukuran, skor universe sangat erat kaitannya dengan konsep nilai
sebenarnya (true score) dalam teori tes klasik.
Varians skor universe atas semua obyek pengukuran dalam populasi disebut
varians skor universe, dan mirip dengan varians nilai yang sebenarnya dalam teori
klasik. Dalam aplikasi teori klasik tertentu, hanya ada satu varians skor yang
sebenarnya. Sebaliknya, dalam teori generalisasi, varians skor universe tergantung
pada semesta generalisasi yang didefinisikan investigator. Besarnya varians skor
universe akan berbeda untuk semesta generalisasi yang berbeda, dan pernyataan
serupa berlaku untuk varians error dan koefisien reliabilitas tertentu, yang disebut
koefisien generalisasi. Untuk mengestimasi kuantitas ini, digunakan komponen
varians estimasi dari studi G.
Koefisien generalisasi
Untuk mempertimbangkan besarnya 2 () mungkin hanya
membandingkannya dengan varians skor universe 2 () . atau, menduga
koefisien reliabilitas seperti yang disebut koefisien generalisasi. Penduga
Koefisien generalisasi adalah 2 = 2 ()/[ 2 () + 2 ()] = 0.43. Untuk data
investigator pertama, berdasarkan efek random desain studi D p x I x R desain
dengan enam item dan dua rater. Jika menilai 2 () = 0.43 menjadi agak
membingngkan, maka perlu serius mempertimbangkan untuk meningkatkan n'i
dan / atau n'r. Melakukan hal ini akan memberikan nilai yang lebih tinggi untuk
2 . Pendekatan ini untuk meningkatkan besarnya estimasi koefisien generalisasi
melalui peningkatan ukuran sampel mengingatkan pada Formula Spearman-
Brown untuk perubahan panjang tes dalam teori klasik. Namun, dalam teori
generalisasi formula Spearman-Brown tidak selalu berlaku, dan prosedur dalam
teori generalisasi untuk menguji efek ukuran sampel yang berbeda telah
diterapkan lebih luas.
Sepanjang skenario di atas, telah diasumsikan bahwa Smith ingin
menggeneralisasi ke alam semesta yang lebih besar dari item dan penilai daripada
yang benar-benar digunakan dalam studi D-nya yaitu, telah diasumsikan bahwa
item dan penilai yang acak. Misalkan, bagaimanapun, bahwa Smith telah
memutuskan untuk menggeneralisasi lebih sampel item hanya-yaitu, ia
memutuskan untuk tetap penilai tetap pada n'r = 2. Jika demikian, komponen
varians diperkirakan Persamaan 1.1.2 masih bisa digunakan untuk memperkirakan
alam semesta skor varians, varians kesalahan, dan koefisien generalisasi. Proses
melakukannya agak lebih sulit, namun. Untuk saat ini kami hanya menunjukkan
bahwa menggunakan ukuran sampel yang sama, tetapi membatasi semesta
generalisasi untuk satu set tetap penilai, menyebabkan peningkatan nilai semesta
varians, penurunan varians kesalahan dan peningkatan koefisien generalisasi.
Kesimpulan