척도개발
1.1. 애니메이션 제목
1. 애니메이션
애니메이션 제목
2. 설명
2.1. 척도의 유형
(1)명목척도는 불연속적인 개념이나 속성을 측정하기 위한 척도입니다. 이러한 척도에서는 각 항목이 서로 독립적이며, 순서나 계량적인 의미를 가지지 않습니다. 예를 들어 성별, 종교, 국적 등이 있습니다.
(2) 순서척도(Ordinal Scale) 순서척도는 명목척도와 다르게 각 항목이 서로 비교 가능하다는 점에서 차이가 있습니다. 하지만 항목들 사이에는 거리나 간격이 없으며, 계량적인 의미를 가지지 않습니다. 예를 들어 학점, 선호도 등이 있습니다.
(3) 간격척도(Interval Scale) 간격척도는 순서척도와 달리 항목들 사이에 동일한 간격이 있으며, 이러한 간격은 계량적인 의미를 가집니다. 하지만 0의 위치가 상대적인 것이기 때문에 절대적인 의미를 가지지 않습니다. 예를 들어 섭씨 온도, 지능지수 등이 있습니다.
(4) 비율척도(Ratio Scale) 비율척도는 간격척도와 달리 0의 위치가 절대적이며, 이를 기준으로 비율을 계산할 수 있습니다. 예를 들어 나이, 몸무게, 소득 등이 있습니다.
2.2. 널리 사용되는 척도
리커트척도 (Likert Scale)
어떤 진술에 대해 응답자가 동의하거나 동의하지 않는 정도를 표시하도록 하는 척도입니다.
리커드척도 예
진술 : A서비스센터 직원들은 친절하다.
척도점 : 전혀 동의하지 않는다. $\cdots$ 전적으로 동의한다.
의미차별화척도 (Semantic Differential Scale)
서로 반대되는 의미의 말을 양쪽 끝의 척도점에 표현한 척도입니다. 예를 들면 불공정과 공정, 불찬철과 친절, 비상식과 상식 등등이 있습니다.
의미차별화척도 예
질문 : A서비스센터 직원들은 ?
척도점 : 불친절하다. $\cdots$ 친절하다.
등급척도 (Rating Scale)
등급을 척도점으로 가지는 척도로써 중요성 등급척도, 그래픽 등급척도, 안면 촉도, 평가 등급척도, 앞파벳 등급척도, Stapel 등급척도 , 서열 등급척도, 비교 등급척도 등 여러가지 방식이 있습니다.
Stapel 등급척도 예
질문 : A서비스센터 직원들은 ?
척도점 : -3 -2 -1 친절하다 +1 +2 +3
2.3. 척도개발 절차
척도개발 절차 I
(1)개념 정의 및 목표 설정
척도를 개발하기 전에 먼저 측정하고자 하는 대상이나 개념을 정의하고, 척도 개발의 목표와 범위를 설정합니다. 이를 위해 이론적 배경 조사와 전문가 인터뷰, 문헌 조사 등을 수행합니다.
(2)항목 생성
측정하고자 하는 대상에 대한 여러 가지 항목을 생성합니다. 이를 위해 도메인 내의 구성 요소나 구성 요소와 연결된 특성을 고려하고, 자료 수집 도구의 목적과 측정 방식 등을 고려합니다.
(3)항목 검토 및 수정
생성된 항목들에 대해 검토를 수행합니다. 이 과정에서 항목들의 문항유형, 내용, 언어 등을 확인하고, 중복된 항목, 혼란스러운 항목, 문맥에 부적합한 항목 등을 제거하거나 수정합니다.
(4)척도 개발 및 검증
선정된 항목들을 기반으로 척도를 개발합니다. 척도 유형에 따라 척도 개발 방법이 다르며, 각 항목들의 가중치, 점수 범위, 객관적 테스트 등을 고려합니다. 이후, 개발된 척도를 검증하기 위해 신뢰도, 타당도, 일관성 등의 검증 절차를 수행합니다.
(5)척도 보고서 작성
마지막으로, 개발된 척도와 검증 결과에 대한 보고서를 작성합니다. 보고서는 척도의 개념, 목표, 유형, 개발 및 검증 과정, 검증 결과 등을 설명하며, 척도 사용자들이 척도를 올바르게 사용할 수 있도록 지침서 등을 포함하여 작성합니다.
척도개발 절차 II
(1) 척도 유형
척도 유형에 따라 개발 방법이 다르므로, 척도 유형을 먼저 결정해야 합니다.
(2) 척도 대상
척도 대상의 특성, 특징, 속성 등을 고려하여 항목을 생성해야 합니다.
척도 대상에 따라 척도 유형을 결정할 수도 있습니다.
(3) 항목 생성
척도를 개발하기 위해 여러 개의 항목을 생성합니다.
항목 생성 시 척도 대상의 특성, 목적, 측정 방식 등을 고려해야 합니다.
(4) 항목 검토 및 수정
생성된 항목들을 검토하고 수정해야 합니다.
중복된 항목, 혼란스러운 항목, 문맥에 부적합한 항목 등을 제거하거나 수정해야 합니다.
(5) 척도 개발 및 검증
척도 개발시 신뢰도, 타당도, 일관성 등을 검증해야 합니다.
이를 위해 적절한 통계분석 방법을 사용해야 하며, 측정도구의 목적과 대상을 고려하여 척도를 개발합니다.
(6) 척도 보고서 작성
척도 개발과 검증 결과를 요약하여 보고서를 작성합니다.
보고서에는 척도 개발과정, 검증 방법 및 결과, 사용 가이드 등을 포함해야 합니다.
(7) 척도의 적용
개발된 척도를 사용하기 전, 척도의 유효성과 타당성을 확인해야 합니다.
척도의 적용 시 척도 대상의 특성을 고려하여 적절한 사용 방법을 선택해야 합니다.
검사도구 개발 절차
(1) 검사도구 개발 목적 및 대상의 정의
검사도구를 개발하기 전, 검사도구 개발의 목적과 대상을 명확하게 정의해야 합니다.
(2) 문항의 생성
문항을 생성합니다.
척도 유형, 측정 방식, 척도 대상의 특성 등을 고려하여 문항을 생성합니다.
이를 위해 전문가의 조언이나 문헌조사 등을 활용할 수 있습니다.
(3) 과제의 생성
과제를 생성합니다.
검사의 목적에 맞게 문항을 묶어서 과제를 생성합니다.
이를 위해 전문가의 조언이나 문헌조사 등을 활용할 수 있습니다.
(4) 문항과 과제의 검토 및 수정
생성된 문항과 과제들을 검토하고 수정합니다.
중복된 문항, 혼란스러운 문항, 과제에 부적합한 문항 등을 제거하거나 수정합니다. 검사의 목적에 부적합한 과제를 수정합니다
(4) 척도 유형에 맞는 문항 개발 및 검정
척도 유형에 따라 문항 개발 방법이 다르며, 척도 유형과 측정 방식, 검사도구의 목적과 대상을 고려하여 문항을 개발합니다.
이후, 개발된 문항를 검증하기 위해 신뢰도, 타당도, 일관성 등의 검증 절차를 수행합니다.
(5) 검사목적에 맞는 문항과 과제 개발 및 검정
개발된 문항과 과제를검사목적에 맞는 지 평가합니다.
(6) 검사도구 보고서 작성
개발된 검사도구와 검증 결과에 대한 보고서를 작성합니다.
검사도구 개발 과정, 검정 결과 등을 설명하며, 검사도구 응답자들이 검사도구를 올바르게 사용할 수 있도록 지침서 등을 포함하여 작성합니다.
2.4. 척도개발시 고려사항
척도점의 수
척도점의 수를 많게 하면 척도가 응답자들을 판별할 수 있는 능력은 커지지만, 응답자는 응답이 어려워지는 단점이 있습니다. 척도점의 수를 작게 하면 범주형 원인변수(설명변수, 요인변수)들 간의 상관은 작아집니다. 5점척도와 7점척도가 주로 사용됩니다.
짝수점척도와 홀수점척도
짝수점척도는 척도점의 수가 짝수인 척도로 중간점이 없습니다. 따라서 중간점이 없어 대칭을 만들기가 어렵습니다. 홀수점척도는 중간점이 있기 때문에 대칭이긴 하나 응답자의 응답이 심리적인 이유로 중간점으로 쏠릴 가능성이 높습니다. 따라서 일반적으로 짝수점 척도보다 홀수점 척도가 더 많이 쓰입니다.
균형척도와 불균형척도
균형척도는 긍정적 믜미를 갖는 척도점의 수와 부정적 의미의 척도점의 수가 같은 척도입니다. 응답자가 편견이 없을 떄 유용합니다. 불균형척도는 응답자가 편견이 있어 응답이 중간점을 기준으로 어느 한쪽으로 치우칠 경우, 편견을 보정해 주는 효과가 있습니다.
단항목척도와 다항목척도
단일항목척도는 한 질문에 항목이 하나인 경우이고 다항목 척도는 다수의 항목을 사용합니다.
다항목 척도의 예
신혼여행지로 A징소를 선택하는 것은 ?
경제적이다 – 낭비다
어리석다 – 현명하다
다항목척도에서 단방향척도와 혼합형척도
다항목척도에서 항목의 긍정과 부정의 방향이 일치하면 단방향척도이고 혼재되어있으면 혼합형 척도입니다.
척도점의 강도표현
척도점이 좋다 나쁘다, 보통이다인 경우 강도표현은 매우, 약간 등등이 있을 수 있습니다. 이떄 강도와 같은 의미는 중간점을 기준으로 양쪽으로 대칭적으로 부여하는 것이 좋으나 척도점의 표현이 길어져서 정확하고 효율적인 실험을 저해합니다. 부가되는 의미가 강할수록 응답자는 극단 값을 피하기 위해 가운데로 몰리는 경향이 있습니다.
2.5. 오류에 따른 척도의 타당성 및 신뢰성 검정
오류 모형
척도 측정값은 다음과 같이 모델링할 수 있습니다.
$$X_O=X_T + X_S + X_R$$
여기서, $X_O$는 측정값(measuted value or obseved value)
$X_T$는 실제값(true value)
$X_S$는 체계적 오류(systematic error)
$X_R$은 비체계적 오류(nonsystematic error or random error)
체계적 오류는 척도 자체가 잘못됨으로써 발생하는 오류입니다. 비체계적 오류는 측정하는 사람이나 상황으로부터 발생하는 오류입니다. 타당성(validity)은 측정하고자 하는 대상을 척도가 얼마나 정확히 측정하는가에 관한 것입니다. 체계적 오류가 작을수록 그 척도의 타당성은 높습니다. 신뢰성(reliability)은 한 대상을 반복 측정했을 때 동일한 결과를 얻는 정도입니다. 비체계적 오류가 작을수록 그 척도의 신뢰성은 높습니다.
신뢰성
– 내적일관성(Internal Consistency)
한 construct를 다항목으로 측정하였을 때 항목들이 일관성을 갖는 정도입니다. 양분법은 다수 항목들을 양분하여 한 쪽의 항복들과 다른 쪽의 항목들 간의 상관관계를 계산합니다.
– 반복측정 신뢰성(Test-Retest Reliability)
한 construct에 대한 측정을 2회 실시하여 측정값들 간의 상관관계 값으로 평가합니다. 일반적으로 2주 간격 정도가 권장됩니다.
– 대안항목 신뢰성(Alternative-Form Reliability)
반복측정을 하는 경우 각각의 척도를 유사하지만 다른 척도를 사용하여 신뢰성을 검정하는 것입니다. 반복측정 신뢰성은 주시험효과가 작용할 수 있습니다.주시험효과를 방지하기 위하여 두 번째 측정할 때 첫 번째 사용한 척도와 유사하 지만 다른 척도를 사용합니다.
Cronbach’s coefficient $alpha$
$$\alpha=\dfrac{k}{(k-1)} \left( 1-\dfrac{\sum_\limits {i=1}^{k}\sigma_i^2}{\sigma_T^2}\right)$$
여기서, $k$는 항목 수
$\sigma_i^2$은 $i$번째 항목의 분산
$\sigma_T^2$은 전체 항목의 분산
다르게 표현하면
$$\alpha=\dfrac{k \bar r}{1+{\bar r}(k-1)}$$
여기서, $\bar r$은 항목간 상관계수의 평균
Cronbach’s $\alpha$계수는 0 에서 1 사이의 값을 가지며, 높을수록 바람직합니다. 흔히 0.8에서 0.9 이상이면 만족할 수 있고 0.6에서 0.7 이면 수용할 수 있습니다. Cronbach’s $\alpha$계수의 크기를 저해하는 항목들을 제거함으로써 계수값을 크게 할 수 있습니다. $\alpha$계수가 매우 작으면 그 자료는 내적일관성을 결여한 것으로, 본 분석에서 사용할 수 없습니다.
항목의 수와 $\alpha$계수의 크기는 양의 상관입니다. 척도점의 수와 $\alpha$계수의 크기는 양의 상관입니다. 표본의 크기와 $\alpha$계수의 크기는 음의 상관입니다.
2.5. 설명강의
– 준비 중
3. 실습
3.2. 함수
=ROWS(F2:F2) : 지정된 배열 또는 범위에 있는 행의 개수.
3.3. 실습강의
– 실습강의 목차
