ویژگی های یک آزمون خوب چیست؟

آزمون وسیله ای است عینی و استاندارد شده که برای انداز­گیری نمونه ای از رفتار یا خصایص آدمی به کار  می­رود.در این تعریف مراد از عینی بودن این است که روش اجراء، نمره دادن وتعبیر وتفسیر نتایج آزمون براساس قواعدی معین و مشخص صورت می­گیرد و قضاوت و نظر شخصی در آن بی­تأثیر است.برای هر آزمون دستورالعمل خاصی در مورد نحوه اجرا، طول مدت آزمایش ، دستورهای شفاهی ونحوه ارائه مثال­ها و روش تفسیرنمره­ها تهیه می­شود.اصطلاح استاندارد شده بدین معناست که آزمون قبلاًدر مورد گروه نمونه ای از افراد مورد نظر، در بوته آزمایش گذاشته شده است و نتایج پژوهش­های مربوط به آن از راه روش­های آماری مورد تجزیه و تحلیل قرار گرفته و روایی و اعتبار آن تعیین شده است.یک آزمون خوب دارای جدول نرم یا هنجارهایی است که نمره­های خام آزمون  بر مبنای آن مورد تعبیر و تفسیر قرار می­گیرند. مقصود از نمونه­ایی از رفتار یا خصایص،آن است که در هر آزمون نمونه­های کوچکی از رفتار یا خصایص فرد که به دقّت انتخاب شده است، مورد مشاهده و اندازه­گیری قرار می­گیرد.همچنان که یک متخصص شیمی، برای تعیین مواد محلول در آب قطره­ای از آن را مورد آزمایش قرار می­دهد، یک روان­شناس نیز مثلاًبرای اندازه گیری استعداد ریاضی یک فرد می تواند نمونه­هایی از توانایی وی را در حل مسایل،محاسبات کمی ریاضی مورد مطالعه قرار دهد.معرّف بودن^[1] محتوای آزمون و قدرت تشخیص و پیش­بینی آن بسته به این است که ماهیت و تعداد پرسش­های آزمون با چه دقتی از میان پرسش­های ممکن انتخاب شده و تا چه اندازه نمونه­های واقعی رفتار مورد نظررا مورد سنجش قرار می­دهد. به عنوان مثال،هرگاه در یک تحقیق معلوم شود که بین نمره­هایی که گروهی از آزمودنی­ها با پاسخ دادن به پرسش­های یک آزمون فنی به دست می­آورند و میزان موفقیّت آن­ها در مسایل فنی همبستگی معنی­دار وجود دارد، در این صورت گفته می­شود که آزمون مذکور دارای قدرت تشخیص و پیش­بینی است.به همین دلیل است که گفته می­شود مواد آزمون­ها باید با رفتار­های مورد پیش­بینی، مشابهت داشته باشند.علاوه بر موارد بالا، باید به این نکته مهّم اشاره کنیم که نتایج آزمون تنها در مورد گروهی از افراد یا جامعه معتبر است که این آزمون قبلاًدر مورد افراد نمونه­ای استاندارد شده باشد که از نظر خصایص و متغیّرهای مؤثّر در نتایج آزمون کم و بیش مشابه گروه یا جامعه مورد نظر باشد. یکی از متغیّرهای بسیار مؤثّر در نتایج آزمون­های اجرا شده عامل فرهنگی است.نتایج آزمونی که براساس عوامل فرهنگی حاکم بر جوامع غرب استاندارد شده است، نمی تواند در مورد کودکان و نوجوانان و جوانان ایرانی از اعتبار و روایی کافی برخوردار باشد،مگر این که پرسش­های آن با شرایط فرهنگی ایران تطبیق داده شود و بررسی­ها و تحلیل­های آماری لازم در مورد نتایج حاصل از اجرای آزمون در باره گروه­های نمونه­ای از کودکان و نوجوانان ایرانی انجام گیرد. بنابراین یک آزمون روانی باید مثل هر وسیله اندازه­گیری دیگر، ویژگی­هایی داشته باشد.ویژگی­های یک آزمون خوب را می توان به دو گروه بزرگ تقسیم کرد: ویژگی­های اصلی و ویژگی­های فرعی.

ویژگی­های اصلی یک آزمون  خوب

اعتبار یا پایایی: منظور از این اعتبار این است که اگر یک آزمون دوبار در مورد یک آزمودنی به کار برود نتایج تقریباً یکسانی به دست آید. بنابراین می­توان گفت که اعتبار یک آزمون عبارت است از ثبات و پایایی نتایج آن در اجرای متعدد است.اگرآزمون در هر بار اجرا نتایج متفاوتی بدهد،آن آزمون پایا نخواهد بود و در واقع چیزی را به درستی اندازه نخواهد گرفت و در این حالت آزمون اطلاعات مفیدی را به ما نخواهد داد. بنابراین در این جا انسجام داخلی آزمون مورد نظر است.نتایج یک آزمون می­تواند تحت­تأثیر تغییرات محیط و تمایل لحظه­ای آزمودنی قرار بگیرد.اعتبار آزمون را به شیوه­های زیر اندازه می­گیرند:

اجرای مجدد یک آزمون: آزمونی را در مورد یک گروه  اجرا می­کنند و بعد از گذشت یک زمان مشخص مثلاً یک هفته، همان آزمون را با همان شرایط در مورد همان گروه تکرار می­کنند.نتایج دو نوبت را با یکدیگر مقایسه می­کنند.اگر بین نتایج دو نوبت همبستگی مثبت قابل قبولی دیده شود،آزمون از اعتبار برخوردار است.

اجرای دو فرم موازی: این روش ایجاب می­کند که ما از یک آزمون دو فرم موازی داشته باشیم.دو آزمون را وقتی موازی گویند که از نظر درجه­ی دشواری، قدرت تشخیص و محتوای درونی مثل هم باشند و تنها از نظر شکل ظاهر تفاوت داشته باشند. اگر از یک آزمون دو فرم موازی در دست باشد می­توان هردو فرم را پشت سرهم(بدون فاصله زمانی) یا با فاصله زمانی چند روز اجرا کرد و ضریب همبستگی بین دو سری نمره را به دست آورد.ضریب همبستگی به دست آمده اعتبار آزمون خواهد بود.

روش دو نیمه کردن: در این روش آزمون را در یک زمان واحد و در مورد تعدادی از آزمودنی­ها به کار  می­برند. پس از اجرای آزمون،آن را به دو نیمه تقسیم می­کنند.بدین ترتیب که سؤال­های زوج آن را به عنوان یک آزمون و سؤال­های فرد آن را به عنوان آزمون دیگر در نظرمی­گیرند.یعنی برای هر آزمودنی دو نمره به دست می­آورند. بین دو سری نمره ضریب همبستگی محاسبه می­شود.

روش کودر-ریچاردسون: در این روش نیز مثل روش دو نیمه کردن،آزمون فقط یک بار اجرا می­شود و میزان همبستگی درونی یا تجانس سؤال­ها مورد بررسی قرار می­گیرد.ضریب همبستگی به دست آمده با این روش بین صفر و یک متغیر خواهد بود.هر اندازه این ضریب به یک نزدیک­تر باشد، تجانس سؤال­های آزمون به همان اندازه بیشتر خواهد بود.

روایی : روایی یعنی این که آزمون باید چیزی را اندازه بگیرد که برای اندازه­گیری آن ساخته شده است.مثلاً یک آزمون هوش زمانی از روایی برخوردار است که اطلاعات درستی را از آن چه معمولاًهوش نامیده می­شود در اختیار ما بگذارد نه از توانایی­های دیگر.روایی آزمون را به شیوه­های زیر اندازه می­گیرند:

• معنی­دار بودن آماری.
• محاسبه خطای برآورد.
• استفاده از جدول­های انتظار.
• استفاده از نرخ­های پایه.
• نسبت­های انتخاب.
• استفاده از تئوری­های تصمیم.

انواع روایی

روایی ظاهری: یعنی این­که مواد یا سؤالات آزمون از نظر ظاهر شبیه موضوعی باشد که مورد اندازه­گیری است.

روایی محتوا: یعنی این­که آزمون باید ارتباط کامل با کل زمینه مورد نظر داشته باشد.

روایی پیش بینی: یعنی این­که بین نتایج حاصل از اجرای آزمون­ها و نتایجی که بعداً به دست می­آید همبستگی و قرابت وجود داشته باشد.

روایی همزمان: نتایج آزمون­ها را با نتایجی که همزمان با اجرای آن­ها،با یه فاصله کمی بعد از اجرای آن­ها به دست می­آیدمقایسه می­کنند.مثلاً اگر آزمونی بسازیم و در همان زمان بخواهیم روایی آن را تعیین کنیم،می­توانیم نتایج آن را با نتایج آزمون دیگری که در همان زمینه وجود دارد و درباره همان گروه اجرا می­شود مقایسه کنیم.

روایی سازه (روایی مفهومی): عبارت است از تطابق نتایج یک آزمون با پیش بینی­هایی که توسط یک نظریه یا سایر واقعیات شناخته شده به عمل آمده است.مثلاًیکی از نظریه­های هوش این است که هوش موجب سازگاری با موقعیت تازه می­شود.بنابراین اگر ما،براساس معیارهای مورد قبول،به یک عدد از نظر سازگاری نمره بدهیم و بعد یک آزمون هوشی اجرا کنیم و دو نتیجه تطابق بالایی را نشان دهند، خواهیم گفت که آزمون ما دارای روایی سازه است.

حساسیت یا ظرافت تشخیص:  منظور از حساسیت این است که یک آزمون بتواند تفاوت­های افراد را به خوبی نشان دهد.هر اندازه یک آزمون بتواند رفتار­های آزمودنی­ها را به درجات بیشتر تقسیم کند حساسیت آن به همان اندازه بیشتر خواهد بود. هر اندازه وسعت رفتار­هایی که یک آزمون می­تواند اندازه بگیرد، بیشتر باشد، به همان اندازه حساسیت این آزمون کمتر خواهد بود. یعنی هر اندازه پدیده مورد اندازه­گیری محدودتر باشد حساسیت آزمون بهتر خواهد بود.همچنین حساسیت یک آزمون به ساختمان خود آن بستگی دارد.زیرا قدرت تشخیص سؤالات متفاوت است.برخی از سؤالات توانایی بهتری برای طبقه­بندی افراد دارند، در حالی که برخی دیگر این توانایی را ندارند.پیدا کردن سؤالاتی که از قدرت تشخیص(حساسیت) بهتری برخوردار باشند نیاز به تجربه­ی گوناگونی و محاسبات آماری دارد. زیرا حساسیت یا قدرت تشخیص یک سؤال پس از اجرا معلوم می­شود. یعنی اگر پس از اجرای یک آزمون معلوم شد که سؤالات آن توانسته­اند آزمودنی­های خیلی ضعیف، ضعیف، متوسط، قوی و خیلی قوی را از یکدیگر متمایز کنند خواهیم گفت آن آزمون حساسیت دارد.

ویژگی­های فرعی یک آزمون خوب

در استفاده از آزمون­ها، نه تنها باید ویژگی­های مهم آن­ها (اعتبار، روایی و حساسیت) را در نظر گرفت باید برخی و یژگی­های دیگر را،که اهمیّت کمتری از ویژگی­های اصلی ندارد، به حساب آورد.زیرا معلوم نیست که ما بتوانیم هر آزمونی را که دار ای اعتبار و روایی است در همه جا و همه شرایط مورد استفاده قرار دهیم.ویژگی­های دیگری را که برای یک آزمون در نظر می­گیرند عبارتند از:سهولت اجرا، سهولت نمره­گذاری، صرفه­جویی در زمان و صرفه­جویی در هزینه.

سهولت اجرای یک آزمون زمانی امکان­پذیر خواهد بود که آزمون یک دستورالعمل کاملاًروشن،کلید تصحیح، شیوه نمره­گذاری دقیق و معیار مقایسه،که آن را نرم یا هنجار می­نامیم، داشته باشد.آزمونی که اجراکننده بارها باید دستورالعمل آن را بخواند تا خوب بفهمد،آزمونی که مدت زیادی برای اجرا لازم دارد، به طور کلی،آزمونی که وقت­گیر است عملاًمورد استفاده قرار نخواهد گرفت.سهولت نمره­گذاری هم زمانی امکان­پذیر خواهد بود که نمره­گذاری کاملاًعینی  باشد.منظور از عینی بودن این است که اگر دو مصحح به یک ورقه نمره بدهند به نتیجه یکسانی برسند.این حالت زمانی اتفّاق می­افتد که پاسخ آشکارا صحیح یا غلط باشد و درستی آن به قضاوت تصحیح کننده نیاز نداشته باشد.

  در مورد این­که یک آزمون، از نظر زمان و هزینه لازم برای برگذاری آن، باید مقرون به صرفه باشد جای هیچ تردیدی وجود ندارد.امروزه بیش از همه وقت طلاست.محدودیت­های زمانی و اقتصادی اجازه نمی­دهند که ما بتوانیم هر آزمونی را با هر نوع صرف وقت و هزینه به کار ببریم. امروزه ما به دنبال آزمون­هایی هستیم که در حداقل زمان بیشترین اطلاعات را در اختیار ما بگذارند. ویژگی دیگری را که می­توانیم برای آزمون­­ها قائل شویم این است که یک آزمون حتماً باید در آزمودنی رغبت ایجاد کند.یعنی مواد آن طوری باید باشد که آزمودنی با علاقه به آن­ها پاسخ دهد.

نظریه کلاسیک نمره واقعی

بیشتر شیوه های« هنجارشده»ساخت و ارزشیابی آزمون ها بر پایه مجموعه­ای از مفروضات قردارند که معمولاًنظریه کلاسیک(یاضعیف) نمره واقعی نامیده می­شود..نظریه کلاسیک نمره واقعی متضمن یک الگوی جمع­پذیر است.نمره مشاهده شده یک آزمون مساوی مجموع  دو جزء است:نمره واقعی Tو نمره خطای تصادفی E. فرض بر این است که نمره خطای یک آزمون با نمره واقعی همان آزمون و با نمره های خطا و واقعی تمام آزمون­ها ناهمبسته هستند.آزمون­های موازی،نمره­های واقعی و واریانس یکسان دارند. در آزمون­های اساساً  Tمعادل، تفاوت بین نمره­های واقعی در یک مقدار  ثابت اضافی است.مفروضات نظریه کلاسیک نمره واقعی ممکن است بر اثرشرایطی که بر آزمون تأثیر دارند، نقض شوند.به هر حال، چون معمولاً نمی توانیم TوE را تعیین کنیم، قادر نیستیم درستی و نادرستی مفروضات را بررسی کنیم. مناسب بودن آن­ها فقط با حدس زدن امکان­پذیر است. نمره های واقعی و خطا ساخت نظری و غیر قابل مشاهده­ای دارند.هنگامی که درباره نمره واقعی صحبتمی­کنیم، اساساً باید به خاطر داشته باشیم که یک نمره واقعی(میانگین نمره هایی که در اثر اندازه گیری مستقل و مکرر با یک آزمون به دست می­آید) یک اندیشه نظری است.این نمره وقتی به طور کامل نشان دهنده ویژگی­های مورد نظر است که آزمون دارای اعتبار کامل باشد؛به این معنی که آزمون دقیقاً آنچه را که لازم است، اندازه­گیری کند.

 نظریه خصیصه مکنون

فرض بر این است که مهم­ترین جنبه های عملکرد آزمون می­تواند با تعیین وضعیت فرد در یک خصیصه مکنون­یک ویژگی فرضی و مشاهده نشده یا خصیصه، مثل توانایی کلامی، معلومات تاریخی یا برون گرایی توصیف شود. الگو­های نظریه­های خصیصه مکنون به این منظور طراحی شده­اند تا نحوه­ی تأثیرگذاری خصیصه مکنون را بر عملکرد هر یک از سؤال­های آزمون توصیف کند.برخلاف نمره­های آزمون یا نمره­های واقعی، ویژگی های مکنون می توانند از لحاظ نظری مقدارهای بین ∞- تا ∞+ داشته باشند.گرچه در این نظریه، ارزش مورد انتظار نمره مشاهده شده،همان نمره واقعی است، اما این نمره،یک تابع خطی از خصیصه مکنون نیست، بنابراین ارزش مورد انتظار نمره مشاهده شده مساوی مقدار خصیصه مکنون نیست.برای دستیابی به برآوردهای مقدارهای خصیصه مکنون، برنامه­های کامپیوتری به کار برده می­شوند.نطریه های خصیصه مکنون را، همانند نظریه­های کارآمد نمره واقعی،می­توان برای تعین تناسب آن­ها با مجموعه­ای از داده­ها آزمایش کرد.هنگامی که این نظریه­ها متناسب با مجموعه­ای از داده­ها باشند،آلگوهای خصیصه مکنون مقیاس­های فاصله­ای را به وجود می­آورند.منحنی درصدی طبیعی و الگوه­های منطقی ، به عنوان نمونه­هایی از نظریه­های خصیصه مکنون ارائه می­شوند.

عناصر مورد نظر در تهیّه و استاندارد کردن آزمون­ها

ساختن و استاندارد کردن آزمون، عملی پیچیده و فنی بوده و مستلزم دانش و مهارت سطح بالای تخصص در همه­ی زمینه­های روان­سنجی است. سازندگان آزمون علاوه بر داشتن صلاحیت علمی و تخصصی و دانش نظری در  روان­سنجی  باید در مورد انواع آزمون­های مختلف نیز از تجارب عملی کافی برخوردار باشد.ذکر این نکته در خور اهمیّت است که سازندگان آزمون به پیچیدگی و وقت­گیر بودن این کار توجّه داشته و از کمک­های تخصصی افراد متخصّص و کارآزموده در این زمینه استفاده کنند. اقدام به ساختن و استانداردکردن آزمون در هر زمینه منوط به برقراری شرایط زیر است:(1)آزمون­های معتبر و استاندارد شده­ی کافی در آن زمینه موجود نباشد.(2)سازندگان آزمون علاوه بر داشتن نیروی تخصصی در زمینه­های مختلف روان­سنجی از منابع مالی کافی برخوردار باشند.(3)آزمونی که ساخته می­شود در مورد تعداد زیادی از آزمودنی­ها و برای مدت نسبتاً طولانی برای هدف­های راهنمایی تحصیلی و شغلی،تشخیص­های بالینی و سایر مقاصد آموزشی و درمانی به کار بسته شود.آزمون­های استاندارد شده در بوته­ی تجربه و محاسبات آماری قرار می­گیرند تا اعتبار، روایی، حساسیت و سایر ویژگی­های آن­ها به دقّت معلوم شود.نتایج این آزمون­ها درجه بندی شده است، یعنی دارای نرم یا هنجارهستند. آزمون­های استاندارد شده در اصل برای از بین بردن نقایص آزمون­های معلّم ساخته به وجود آمده­اند.فرق عمده آزمون­های استاندارد شده با  آزمون­های معلّم ساخته این است که اولاً محتوا و هدف­های بسیار کلی را اندازه می­گیرند.ثانیاً دارای نرم یا هنجار هستند.به کمک این آزمون­ها  می­توان افراد یک گروه را با گروه دیگر، دانشجویان یک دانشگاه را با دانشگاه دیگر، دانش­آموزان یک مدرسه را با مدرسه دیگر مقایسه کرد.اما این کار با کمک آزمون­های معلّم ساخته منطقی نیست.برای تهیه آزمون­های استاندارد شده، ابتدا زمینه مورد نظر را به دقّت تعریف می­کنند، بعد تعدادی سؤال برای اندازه­گیری آن می­نویسند. در نوشتن سؤال­ها،که مهّم­ترین بخش آزمون­سازی را تشکیل می­دهد، معمولاً از متخصّصان استفاده می­کنند.پس از آن­که سؤال­ها نوشته شد، سؤال­ها را طبق دستورالعملی که تهیّه کرده­اند در اختیار گروه کوچکی از آزمودنی­ها قرار می­دهند تا پاسخ دهند. اوراق تصحیح می­شوند و درجه دشواری و قدرت تشخیص تک تک سؤال­ها را به دست می­آورند.این عمل نشان می­دهد که کدام سؤال­ها باید حذف یا جای­گزین شوند و کدام سؤال­ها باید باقی بمانند.سؤال­های باقی مانده را در یک گروه وسیع اجرا می­کنند.نتایج به دست آمده درجه­بندی می­شود و به صورت یک جدول که اصطلاحاً نرم یا هنجار نامیده می­شود در می­آید.آزمون­های معلّم ساخته هیچ یک از مراحل فوق را پشت­سر نمی­گذارند.خوبی یا بدی این آزمون­ها به قضاوت تهیّه کننده آن­ها بستگی دارد.

یک آزمون استاندارد ویژگی­های زیر را دارد:

1. زمان اجرای تست که می­تواند محدود یا نا محدود باشد.در روشی که محدودیت زمانی دارد، مدت انجام آزمون قبلاًتعیین می­شود(مثلاًیک فرد چند علامت را می­تواند در دو دقیقه خط بزند یا چند مسأله را می­تواند در یک ربع ساعت حل کند)؛ در روشی که محدودیت کاری دارد،آزمودنی باید کار محول شده را به اتمام برساند و به محض اتمام آن آزماینده زمان صرف شده را یادداشت می­کند.
2. نظم ارائه سؤالات نیز همیشه بی­اثر نیست و در مورد بعضی آزمون­ها این نظم ازقبل تعیین شده است.
3. شکل سؤالات.
4. نگرش آزماینده.
5. محل اجرا و مواد مورد استفاده نیز جزء عناصر اصلی به حساب می­آید

مسلماًعناصر دیگری نیز وجود دارد که در دستورالعمل صراحتاً به آن­ها اشاره می­شود.نباید چیزی از دستورالعمل را تغییر دهیم، حتی اگر علت بعضی قواعد خاص را ندانیم و بعضی سؤالات به نظرمان مبهم یا غلط برسند؛ در غیر این صورت ممکن است بعضی کارها را خیلی آسان یا خیلی دشوار سازیم.گاهی اتفّاق می­افتد که اجرا کنندگان آزمون­ها،   دشوراری­هایی را در رعایت مواد دستورالعمل احساس می­کنند. در واقع بسیاری از انتقادهای ناروا علیه آزمون­ها در اثر نتایج گمراه­کننده یا نامناسبی است که به علت عدم توجه به استاندارد بودن آزمون­ها یا اجرای آن­هایی که متناسب با موارد اجرا نبوده، به وجود آمده است.کوشش­هایی که برای یکنواختی روش اجرای آزمون­ها به عمل آمده، بعضی مؤلفان را وادار کرده است تا از ضبط صوت استفاده کنند. قطعاً آزمون­ها ماشین­های معجزه­گر نیستند و این چیزی است که باید با صراحت خاطر نشان داده شود.همیشه تغییراتی از یک آزمایش به آزمایشی دیگر وجود خواهد داشت.قبول این­که در دو نوبت متوالی بتوان موقعیت کاملاً یکسانی ایجاد کرد،خیالی بیش نیست و به همین دلیل است که حتی بهترین آزمون­ها هرگز اعتبار مطلق ندارند.نمره­گذاری پاسخ­ها نیز باید با قواعد یکنواختی انجام گیرد.برای تفسیر و طبقه­بندی ­پاسخ­های آزمودنی فقط یک راه وجود دارد، راهی که توسط سازندگان آزمون،پیش­بینی و تثبیت شده است. نمره­گذاری  آزمون­ها گاهی به کمک ماشین انجام می­گیرد و این امر موجب صرفه جویی در وقت می­شود. با وجود این، استفاده از ماشین برای نمره­گذاری همه­ی انواع آزمون­ها امکان­پذیر نیست. قاعده­ایی که برای اجرای همه­ی آزمون­ها لازم است خلق جو مناسب، به طوری که آزمودنی با خیال راحت کار خواسته شده را انجام دهد.ایجاد حالت اعتماد از ضروریات است و هر نوع مزاحمت یا  عامل بازدارنده را از بین می­برد.خطر عدم اعتماد مخصوصاً زمانی بیشتر خواهد بود که آزمودنی­ها کودک یا افراد هیجانی باشند.شخصیت آزمایش­گر مهّم­ترین عاملی است که می­تواند حصول یک فضای اطمینان بخش را تضمین کند.تخصص داشتن و آزمون را طبق دستورالعمل اجرا کردن به تنهایی کافی نیست، بلکه باید طرز برخورد با آزمودنی را یاد گرفت، نگرش­ها و سخنان لازم برای خلق یک جو مناسب، جهت انجام کار مورد نظر، را پیدا کرد.

منبع

حمیلی ، ثریا (1392)، هنجاریابی آزمون سازگاری تحصیلی ، پایان نامه  کارشناسی ارشد ، روان شناسی، دانشگاه امام خمینی

از فروشگاه بوبوک دیدن نمایید