|
|
| 1. sor: |
1. sor: |
| {{Kvízoldal |cím=Diagnosztika szimulátorokkal}}
| | ZH-szimulátor (kvíz): |
| | | * [[Diagnosztika szimulátorokkal ZH - könnyebb kérdések|Diagnosztika szimulátorokkal ZH - 1. rész (könnyebb kérdések)]] |
| == 28) A Cronbach-féle alfa (α) a rel(X) egyik közelítése, amely a következő kifejezéssel adható meg: ==
| | * [[Diagnosztika szimulátorokkal ZH - nehezebb kérdések|Diagnosztika szimulátorokkal ZH - 2. rész (nehezebb kérdések)]] |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # α = (k^2 *cov / var) / ((1+k^2-1)*cov/var), ahol k a tételek száma a skálában, cov a tételek közötti átlagos páronkénti kovariancia, var pedig a tételek átlagos varianciája.
| |
| # α = k*cov/var/(1+(k-1)*cov/var), ahol k a mintában szereplő személyek száma, cov a tételek közötti átlagos páronkénti kovariancia, var pedig a tételek mint változók (var=variable) száma.
| |
| # α = k*r / (1+(k-1)*r), ahol k a tételek száma a skálában, r pedig a tételek közötti átlagos korrelációs együttható (feltéve, hogy a tételeket egységnyi standard deviációjúakra standardizáltuk).
| |
| # α = korr2(X, t), ahol X a skála megfigyelt értéke, t pedig az idő.
| |
| | |
| == 29) A Cronbach-féle alfa értéke egyébként azonos körülmények között annál nagyobb, minél ==
| |
| {{Kvízkérdés|típus=egy|válasz=4}}
| |
| # nagyobb a teszt érvényessége.
| |
| # kevesebb tételből áll a skála.
| |
| # kisebb a skála megbízhatósága.
| |
| # nagyobb a tételek száma.
| |
| | |
| == 30) A Cronbach-féle alfa ==
| |
| {{Kvízkérdés|típus=egy|válasz=2}}
| |
| # sohasem érheti el a 0,7 értéket, ha a tételek közötti átlagos korreláció csak 0,2.
| |
| # még alacsony, de szignifikáns tételek közötti korrelációk esetén is elérheti a 0,7 értéket.
| |
| # a skálába nem illő tételek kihagyásával minden esetben javítható.
| |
| # a skálába nem illő tételek kihagyásával akkor javítható, ha a skála nem túlságosan hosszú.
| |
| | |
| == 31) A single measure ICC (Intraclass Correlation Coefficient) a rel(X) egy másik közelítése, amely egy korrelációs együttható jellegű leíró statisztika annak jellemzésére, hogy ==
| |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # valamely objektumok ugyanazon tulajdonságáról/mennyiségéről egy rögzített egységes skálán adatot szolgáltató különböző személyek adatai időben mennyire stabilak.
| |
| # valamely objektumok különböző jellemzőiről adatot szolgáltató személyek csoportjának az adatai mennyire különböznek a személyek között.
| |
| # valamely objektumok ugyanazon jellemzőjéről egy rögzített egységes skálán adatokat szolgáltató közreműködői csoport egy tipikus tagja adatainak milyen a megbízhatósága.
| |
| # valamely objektumok ugyanazon jellemzőjéről egy rögzített egységes skálán adatokat szolgáltató közreműködői csoport átlagolt adatainak milyen a megbízhatósága.
| |
| | |
| == 32) Az average measure ICC (Intraclass Correlation Coefficient) a rel(X) egy ismét másik közelítése, amely egy korrelációs együttható jellegű leíró statisztika annak jellemzésére, hogy ==
| |
| {{Kvízkérdés|típus=egy|válasz=4}}
| |
| # valamely objektumok ugyanazon tulajdonságáról/mennyiségéről egy rögzített egységes skálán adatot szolgáltató különböző személyek adatai időben mennyire stabilak.
| |
| # valamely objektumok különböző jellemzőiről adatot szolgáltató személyek csoportjának az adatai mennyire különböznek a személyek között.
| |
| # valamely objektumok ugyanazon jellemzőjéről egy rögzített egységes skálán adatokat szolgáltató közreműködői csoport egy tipikus tagja adatainak milyen a megbízhatósága.
| |
| # valamely objektumok ugyanazon jellemzőjéről egy rögzített egységes skálán adatokat szolgáltató közreműködői csoport átlagolt adatainak milyen a megbízhatósága.
| |
| | |
| == 33) Egy ICC és ICCSB elemzésekben alkalmazott adatcsoport ==
| |
| {{Kvízkérdés|típus=egy|válasz=1}}
| |
| # valamennyi közreműködő ugyanazon objektumra vonatkozó adatainak az összessége.
| |
| # valamennyi közreműködő valamennyi objektumra vonatkozó összes adata.
| |
| # valamennyi közreműködő valamennyi objektumra vonatkozó összes adatának az átlaga.
| |
| # egy adott közreműködő valamennyi objektumra vonatkozó összes adata.
| |
| | |
| == 34) Ha az ICCSB mérőszám alapján egy mindössze k=2 számú közreműködő adatain alapuló megbízhatósági elemzésben csak a konzisztencia teljesül tökéletesen, akkor ==
| |
| {{Kvízkérdés|típus=egy|válasz=2}}
| |
| # a Pearson-féle korrelációs együttható, az ICCSB(consistency) és az ICCSB(agreement) értéke mind biztosan 1.
| |
| # a Pearson-féle korrelációs együttható és az ICCSB(consistency) értéke biztosan 1, de az ICCSB(agreement) értéke egynél kisebb.
| |
| # a Pearson-féle korrelációs együttható, az ICCSB(consistency) és az ICCSB(agreement) értéke mind biztosan kisebb egynél.
| |
| # a Pearson-féle korrelációs együttható, az ICCSB(consistency) és az ICCSB(agreement) értéke mind biztosan nagyobb egynél.
| |
| | |
| == 35) Egy skála érvényességének ==
| |
| {{Kvízkérdés|típus=egy|válasz=4}}
| |
| # feltétele, hogy a szimuláció dinamikus legyen.
| |
| # magasnak kell lenni ahhoz, hogy a megbízhatósága alacsony legyen.
| |
| # nem kell feltétlenül magasnak lenni ahhoz, hogy a skálát jól tudjuk használni.
| |
| # elengedhetetlen feltétele a legalább minimálisan elfogadható megbízhatósága.
| |
| | |
| == 36) Egy skála kritérium érvényessége (criterion validity) ==
| |
| {{Kvízkérdés|típus=egy|válasz=2}}
| |
| # azt fejezi ki, hogy az alany számára mennyire világos, hogy az adott feladat mit mér.
| |
| # az adott skála-értékek és a választott kritérium értékei közötti kapcsolat erősségével jellemezhető.
| |
| # azt fejezi ki, hogy az adott skála mennyire konzisztens módon mér.
| |
| # azonos az ún. konstruktum érvényességgel (construction validity).
| |
| | |
| == 37) Az érvényesség alkalmasságvizsgáló munkaszimulátorok esetében ==
| |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # azonos az ún. konstruktum érvényességgel (construction validity).
| |
| # nem értelmezhető.
| |
| # annak a mértéke, hogy az adott konkrét körülmények között (azaz a szimulált és a valódi feladat konkrét jellemzői mellett) milyen szoros a prediktor és a beválási kritérium változók közötti kapcsolat.
| |
| # az ún. készség-átvitel (készség-transzfer, skill-transfer) mértéke.
| |
| | |
| == 38) Az érvényesség gyakorló munkaszimulátorok esetében ==
| |
| {{Kvízkérdés|típus=egy|válasz=4}}
| |
| # azonos az ún. konstruktum érvényességgel (construction validity).
| |
| # nem értelmezhető.
| |
| # annak a mértéke, hogy az adott konkrét körülmények között (azaz a szimulált és a valódi feladat konkrét jellemzői mellett) milyen szoros a prediktor és a beválási kritérium változók közötti kapcsolat.
| |
| # az ún. készség-átvitel (készség-transzfer, skill-transfer) mértéke.
| |
| | |
| == 39) Kutatási célú munkaszimulátorok alkalmazása esetében ==
| |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # a vizsgálatok célja mindig a tesztalanyok alkalmasságának a vizsgálata.
| |
| # a vizsgálatok célja mindig a tesztalanyok gyakoroltatása.
| |
| # nem feltétlenül a személyeket vizsgálják, a kérdésfeltevéstől függően a személyek maguk is a mérőeszközhöz tartozhatnak.
| |
| # az ún. készség-átvitel (skill-transfer) mértékének a meghatározása a cél.
| |
| | |
| == 40) A Baltimore Therapeutic Equipment (BTE) Work Simulator ismertetett esettanulmányában a vizsgálatok célja ==
| |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # a tesztalanyok gyakoroltatása volt.
| |
| # a tesztalanyok fejlesztése volt.
| |
| # a megbízhatóság és az érvényesség vizsgálata volt az adott konkrét szimulációs körülmények között.
| |
| # a mért fiziológiai jellemzők személyenkénti alakulásának az értelmezése volt.
| |
| | |
| == 41) A Baltimore Therapeutic Equipment (BTE) Work Simulator ismertetett esettanulmányában ==
| |
| {{Kvízkérdés|típus=egy|válasz=2}}
| |
| # az érvényességet az első és a második vizsgálati alkalommal mért fiziológiai és szubjektív jellemzők korrelációs együtthatóival jellemezték.
| |
| # a megbízhatóságot az első és a második vizsgálati alkalommal mért fiziológiai és szubjektív jellemzők korrelációs együtthatóival jellemezték.
| |
| # a megbízhatóságot a valós és a szimulált vizsgálati helyzetben mért fiziológiai és szubjektív jellemzők korrelációs együtthatóival jellemezték.
| |
| # a cél a vizsgálatban részt vett személyek fizikai állóképességének a felmérése volt a cél.
| |
| | |
| == 42) Az INTERFACE szoftver-ergonómiai kutató munkaszimulátor alkalmazásakor a cél ==
| |
| {{Kvízkérdés|típus=egy|válasz=1}}
| |
| # a vizsgált szoftver termékek használhatóságának a vizsgálata.
| |
| # a tesztalanyok fejlesztése.
| |
| # a megbízhatóság és az érvényesség vizsgálata az adott konkrét szimulációs körülmények között.
| |
| # a mért fiziológiai jellemzők személyenkénti eltéréseinek az értelmezése.
| |
| | |
| == 43) Az ALADIN világítástechnikai kutató munkaszimulátor alkalmazásakor a cél ==
| |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # a megbízhatóság és az érvényesség vizsgálata az adott konkrét szimulációs körülmények között.
| |
| # a mért fiziológiai jellemzők személyenkénti eltéréseinek az értelmezése.
| |
| # a vizsgált világítástechnikai megoldások felhasználókra gyakorolt hatásának a vizsgálata.
| |
| # a tesztalanyok fejlesztése.
| |
| | |
| == 44) Az előrejelző változók (prediktorok) a személyek olyan jellemzői, amelyek ==
| |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # értékét csak a tényleges munkavégzés során – a munkába állítást követően, utólag – állapíthatjuk meg.
| |
| # minden esetben fiziológiai jellemzők.
| |
| # alapján bizonyos valószínűséggel bejósolható, hogy ezen személyek meg fognak-e felelni egy adott beválási kritériumnak.
| |
| # segítségével nyomon követhető a tesztalanyok fejlődése.
| |
| | |
| == 45) A beválási kritérium-változók (kritériumok) a személyek olyan jellemzői, amelyek ==
| |
| {{Kvízkérdés|típus=egy|válasz=4}}
| |
| # értékét csak munkaszimulátorok segítségével állapíthatjuk meg.
| |
| # minden esetben fiziológiai jellemzők.
| |
| # alapján bejósolható, hogy ezen személyek milyen valószínűséggel fognak beválni egy adott munkakörben.
| |
| # meghatározott értékei szükségesek ahhoz, hogy egy adott munkakört sikeresen betöltsenek.
| |
| | |
| == 46) A munkaszimulátorok az ún. „munkaminta-tesztek” (work-sample tests) egyik osztályát alkotják, mivel ==
| |
| {{Kvízkérdés|típus=egy|válasz=4}}
| |
| # a személyt egy tetszőleges munkafeladat megoldása közben vizsgálják.
| |
| # fiziológiai jellemzőket mérnek.
| |
| # személyiség-jellemzőket mérnek.
| |
| # a személyt a betöltendő vagy vizsgálandó munkakörből vett (leegyszerűsített és lerövidített, de mégis realisztikusan szimulált) feladat megoldása közben vizsgálják.
| |
| | |
| == 47) Az ún. „pályaprofílok” („pályatükrök”) ==
| |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # az adott munkatevékenységről való szubjektív vélekedéseket tükrözik.
| |
| # a fiziológiai jellemzők alakulását tükrözik.
| |
| # közvetlen vagy közvetett módon tartalmazzák az adott munkakörben való beválás kritériumait.
| |
| # a személyt a betöltendő vagy vizsgálandó munkakörből vett feladat megoldása közben vizsgálják.
| |
| | |
| == 48) Az alkalmasságvizsgálatok kontextusában az előrejelzés egyik lehetséges kimenetele az ún. FN (False Negative) eset, amely azt jelenti, hogy az adott munkakörre ==
| |
| {{Kvízkérdés|típus=egy|válasz=3}}
| |
| # nem vettünk fel olyanokat, akik tényleg nem váltak volna be.
| |
| # olyanokat vettünk fel, akik tényleg beválnak.
| |
| # nem vettünk fel olyanokat, akik pedig beváltak volna.
| |
| # olyanokat vettünk fel, akik nem válnak be.
| |
| | |
| == 49) Az alkalmasságvizsgálatok kontextusában az ==
| |
| {{Kvízkérdés|típus=egy|válasz=4}}
| |
| # FN (False Negative) és TN (True Negative) esetek hibák, az FP (False Positive) és TP (True Positive) esetek pedig helyes találatok.
| |
| # FN (False Negative), a TN (True Negative) és az FP (False Positive) esetek hibák, a TP (True Positive) esetek pedig helyes találatok.
| |
| # FN (False Negative) esetek hibák, az FP (False Positive), a TN (True Negative) és a TP (True Positive) esetek pedig helyes találatok.
| |
| # FN (False Negative) és az FP (False Positive) esetek hibák, a TN (True Negative) és a TP (True Positive) esetek pedig helyes találatok.
| |
| | |
| == 50) Ha egyetlen beválási kritérium-változó értékére nagyobb számú előrejelző (prediktor) változóból következtethetünk, akkor az a legcélszerűbb eljárás, hogy ==
| |
| {{Kvízkérdés|típus=egy|válasz=2}}
| |
| # a kritérium-változót valamennyi előrejelző változóval külön-külön korreláltatjuk, majd pedig átlagoljuk a korrelációs együtthatók értékeit.
| |
| # a prediktorok és a kritérium-változó kapcsolatát alkalmas tanuló algoritmusok (pl. logisztikus regresszió vagy mesterséges neurális hálók) segítségével modellezzük és az így felépített modell alapján az új esetekre a prediktorok alapján becsüljük a kritérium-változó értékét.
| |
| # a kritérium-változót valamennyi előrejelző változó átlagával korreláltatjuk, és az így kapott egyetlen korrelációs együttható értékét tekintjük az előrejelző módszer érvényességének.
| |
| # a kritérium-változó kapcsolatát az egyes előrejelző változókkal külön-külön grafikusan ábrázoljuk, a kritérium-változó vágási szintje alapján minden egyes grafikonon meghatározzuk az adott prediktor vágási szintjét, majd pedig képezzük azok átlagát.
| |
| | |
| ---- <!-- Ez a sor jelöli, hogy vége a kvízkérdéseknek. -->
| |
