Шкала оценок - Rating scale

Относительно рейтинговых шкал как систем образовательных оценок см. Статьи об образовании в разных странах (с названием «Образование в ...»), например, Образование в украине.
По поводу оценочных шкал, используемых в практике медицины, см. Статьи о диагнозах, например, Сильное депрессивное расстройство.

А шкала оценок представляет собой набор категорий, предназначенных для получения информации о количественный или качественный атрибут. в социальные науки, особенно психология, распространенными примерами являются Шкала ответа Лайкерта и 1-10 рейтинговые шкалы в котором человек выбирает число, которое, как считается, отражает воспринимаемое качество товар.

Фон

Рейтинговая шкала - это метод, требующий от оценщика присвоить оцениваемому объекту значение, иногда числовое, в качестве меры некоторого рейтингового атрибута.

Виды рейтинговых шкал

Все рейтинговые шкалы можно разделить на один из следующих типов:

  1. Цифровая рейтинговая шкала (NRS)
  2. Шкала вербальной оценки (VRS)
  3. Визуально-аналоговая шкала (ВАШ)
  4. Likert
  5. Графическая шкала оценок
  6. Описательная графическая шкала оценок

Некоторые данные измерены на порядковый уровень. Цифры указывают на относительное положение предметов, но не на величину различия. Шкалы отношения и мнения обычно порядковые; один пример - это Шкала ответа Лайкерта:

Заявление
например «Я не мог жить без компьютера».
Варианты ответа
  1. Категорически не согласен
  2. Не согласен
  3. Нейтральный
  4. Согласны
  5. Полностью согласен

Некоторые данные измерены на уровень интервала. Цифры указывают на величину разницы между элементами, но абсолютного нуля нет. Хорошим примером является шкала температур по Фаренгейту / Цельсию, где разница между числами имеет значение, а расположение нуля - нет.

Некоторые данные измерены на уровень соотношения. Цифры указывают величину разницы и фиксированную нулевую точку. Коэффициенты можно рассчитать. Примеры включают возраст, доход, цену, затраты, выручку от продаж, объем продаж и долю на рынке.

Требуется более одного вопроса по рейтинговой шкале, чтобы мера отношение или восприятие из-за требования статистических сравнений между категориями в политомная модель Раша для заказанных категорий.[1] С точки зрения Классическая теория тестирования, требуется более одного вопроса для получения индекса внутренней надежности, например Альфа Кронбаха,[2] что является основным критерием оценки эффективности рейтинговой шкалы и, в более общем плане, психометрического инструмента.

Шкалы оценок, используемые в Интернете

Рейтинговые шкалы широко используются в сети, чтобы показать мнения потребителей о товарах. Примеры сайтов, использующих шкалы оценок: IMDb, Epinions.com, Yahoo! Фильмы, Amazon.com, НастольнаяИграГик и TV.com которые используют шкалу оценок от 0 до 100, чтобы получить «персональные рекомендации о фильмах».

Практически во всех случаях онлайн-шкалы оценок допускают только одну оценку для каждого пользователя для каждого продукта, хотя есть исключения, такие как Ratings.net, который позволяет пользователям оценивать товары по нескольким параметрам. Большинство онлайн-рейтинговых агентств также предоставляют мало или не предоставляют качественных описаний рейтинговых категорий, хотя, опять же, есть исключения, такие как Yahoo! Фильмы, который маркирует каждую из категорий от F до A + и BoardGameGeek, который предоставляет подробные описания каждой категории от 1 до 10. Часто описываются только верхняя и нижняя категории, например IMDb 'онлайн-рейтинг.

Срок действия

Под валидностью понимается, насколько хорошо инструмент измеряет то, что он намеревается измерить. Когда каждый пользователь оценивает продукт только один раз, например, в категории от 1 до 10, средства для внутренней надежность используя индекс, такой как Альфа Кронбаха. Следовательно, невозможно оценить срок действия рейтингов как меры восприятия зрителей. Установление достоверности потребует установления как надежности, так и точности (т. Е. Того, что рейтинги представляют то, что они должны представлять). Степень достоверности инструмента определяется путем применения логических / или статистических процедур. «Процедура измерения действительна в той степени, в которой если измеряет то, что предлагается измерить».

Еще одна фундаментальная проблема заключается в том, что онлайн-рейтинги обычно предполагают удобство. отбор проб во многом похожи на телевизионные опросы, то есть они представляют только мнение тех, кто склонен выставлять оценки.

Валидность связана с различными аспектами процесса измерения. Каждый из этих типов использует логику, статистическую проверку или и то, и другое для определения степени достоверности и имеет особое значение при определенных условиях. Типы валидности включают валидность контента, предсказуемую валидность и валидность конструкции.

Отбор проб

Ошибки выборки могут привести к результатам, которые имеют определенную систематическую ошибку или имеют отношение только к определенной подгруппе. Рассмотрим следующий пример: предположим, что фильм нравится только специализированной аудитории - 90% из них являются приверженцами этого жанра, и только 10% - люди, которые в целом интересуются кино. Предположим, что фильм очень популярен среди зрителей, которые его смотрят, и что только те, кто больше всего относится к фильму, склонны оценивать его онлайн; следовательно, все оценщики набираются из числа преданных. Эта комбинация может привести к очень высоким рейтингам фильма, которые не распространяются на людей, которые действительно смотрят фильм (или, возможно, даже на тех, кто действительно оценивает его).

Качественное описание

Качественное описание категорий повышает полезность рейтинговой шкалы. Например, если даны только пункты 1–10 без описания, некоторые люди могут выбирать 10 редко, тогда как другие могут выбирать категорию часто. Если вместо этого цифра «10» описана как «почти безупречная», категория, скорее всего, будет означать одно и то же для разных людей. Это касается всех категорий, а не только крайних точек.

Вышеупомянутые проблемы усугубляются, когда агрегированная статистика, такая как средние значения, используется для списков и рейтингов продуктов. Пользовательские рейтинги в лучшем случае порядковый категоризации. Хотя для таких данных нередко вычислять средние значения или средние значения, это не может быть оправдано, поскольку при вычислении средних значений требуются равные интервалы, чтобы представить одинаковую разницу между уровнями воспринимаемого качества. Ключевые проблемы с агрегированными данными, основанными на типах рейтинговых шкал, обычно используемых в Интернете, заключаются в следующем:

  • Средние значения не следует рассчитывать для собранных данных.
  • Обычно невозможно оценить надежность или достоверность оценок пользователей.
  • Продукты не сравниваются с явным, не говоря уже о распространенных[требуется разъяснение ], критерии.
  • Только пользователи, которые хотят выставить оценку продукту, делают это.
  • Данные обычно не публикуются в форме, позволяющей оценивать рейтинги продуктов.

Более развитые методологии включают Выбор Моделирование или же Максимальная разница методы, последние относятся к Модель раша из-за связи между законом сравнительного суждения Терстона[требуется разъяснение ] и модель Раша.

Смотрите также

Рекомендации

  1. ^ Андрич, Дэвид (декабрь 1978 г.). «Формулировка рейтинга для упорядоченных категорий ответов». Психометрика. 43 (4): 561–573. Дои:10.1007 / BF02293814.
  2. ^ Кронбах, Ли Дж. (Сентябрь 1951 г.). "Коэффициент альфа и внутренняя структура тестов". Психометрика. 16 (3): 297–334. CiteSeerX  10.1.1.452.6417. Дои:10.1007 / BF02310555.

внешняя ссылка