پایایی معیارهای پذیرش دانشجوی دکتری مهندسی برق قدرت در ایران: رویکردی بر مبنای تئوری تعمیم‌پذیری

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری سنجش و اندازه گیری، دانشکدۀ روان‌شناسی و علوم تربیتی، دانشگاه علامه طباطبایی.(نویسندۀ مسئول)

2 استاد تمام گروه سنجش و اندازه گیری، دانشکدۀ روان‌شناسی و علوم تربیتی، دانشگاه علامه طباطبایی

3 دانشیار گروه سنجش و اندازه گیری، دانشکدۀ روان‌شناسی و علوم تربیتی، دانشگاه علامه طباطبایی

4 استادیار پژوهشی سازمان سنجش آموزش کشور

10.22099/jsli.2020.5791

چکیده

فرایند سنجش و پذیرش افراد توانمند و کارآمد برای تحصیل در دورۀ دکترای تخصصی در ایران بسیار پر چالش بوده است. اهمیت این مسئله به حدی است که ویژگی‌های روان‌سنجی سنجه‌های پذیرش و ملاک‌های مهم آن، همچنین شیوۀ آزمون‌گیری به صورت تستی یا تشریحی برای تدوین الگوی بهینۀ پذیرش داوطلبان همواره در بین مجامع دانشگاهی، سیاست‌گذاران، و متقاضیان ورود به تحصیلات تکمیلی محل بحث و جدال است. هدف اولیۀ این پژوهش مشخص کردن ضرایب شبه پایایی این معیارها بوده است. روش این پژوهش از نوع توصیفی است، و در چارچوب تئوری تعمیم‌پذیری، پایایی سنجه‌ها و معیارهای-داده‌های ثانویه-مربوط به برنامۀ سنجش و پذیرش دکتری رشتۀ مهندسی برق گرایش قدرت در 37 دانشکدۀ پذیرندۀ دکتری در دانشگاه‌های ملی مختلف در سال 1397 را بررسی کرده است. داده‌ها با نرم‌افزار  mGENOVA بر اساس تحلیل چند متغیری با یک طرح تک رویه‌ای p^•×i^° تحلیل شده‌اند. نتایج نشان داد که چهار آزمون تخصصی، و دو آزمون عمومی به دلیل سختی سؤالات و بی‌پاسخ بودن، و به‌کارگیری نمره‌گذاری فرمولی، پایایی و دقت مناسبی ندارند. دو معیار ترکیبی مصاحبه که از سنجه‌های متفاوتی تشکیل شده‌اند، از ضرایب تعمیم‌پذیری و اعتمادپذیری بهتری برخوردار بودند. افزودن معدل کارشناسی و کارشناسی ارشد، به عنوان متغیر پیش‌بینی‌کنندۀ جداگانه، به دلیل محدودیت دامنه در برآورد نمرات جهانی ترکیبی کارایی چندانی ندارد. در یک برنامۀ پذیرش دکتری که سازۀ زیربنایی‌ای بسیار گسترده‌ای تعریف، و سنجه‌های چندگانه‌ای استفاده می‌شود، مؤلفه‌های خطای بیشتری نیز وجود خواهد داشت. بنابراین، نمی‌توان تنها یک مقدار پایایی معین برای سنجه‌های آن مشخص کرد. امّا با تعدیل سطوح دشواری آزمون‌ها، استفاده از طرح‌های نمره‌گذاری سهمی سؤالات بدون جریمه حدس شانسی، نمونه‌گیری کاملتر از سازۀ زیربنایی و افزایش لایه‌های سطوح می‌توان تصمیم‌گیری‌های آموزشی با ریسک بالا را برای طبقه‌بندی افراد، با پیش‌بینی‌های نادرست کمتری انجام داد.

کلیدواژه‌ها