Warum ist Diskriminanzvalidität in der Forschung wichtig?
Warum ist Diskriminanzvalidität in der Forschung wichtig?

Video: Warum ist Diskriminanzvalidität in der Forschung wichtig?

Video: Warum ist Diskriminanzvalidität in der Forschung wichtig?
Video: Reliabilität, Validität & Objektivität | Die 3 Gütekriterien einfach erklärt 📊 2024, Juni
Anonim

Diskriminierend . Um zu etablieren Gültigkeit , es ist wichtig um zu zeigen, dass das Instrument nicht nur mit Maßen desselben Konzepts verbunden ist, sondern auch, dass es nicht mit Maßen von unterschiedlichen Konzepten verbunden ist.

Was ist dann eine gute Diskriminanzvalidität?

Konvergente Gültigkeit nimmt zwei Maße, die das gleiche Konstrukt messen sollen, und zeigt, dass sie miteinander verbunden sind. Umgekehrt, Diskriminanzvalidität zeigt, dass zwei Maßnahmen, die nicht miteinander verbunden sein sollen, in Wirklichkeit nicht miteinander verbunden sind. Beide Arten von Gültigkeit sind Voraussetzung für exzellentes Konstrukt Gültigkeit.

Was ist außer oben ein Beispiel für Diskriminanzvalidität? Diskriminierende Gültigkeit testet, ob geglaubte nicht verwandte Konstrukte tatsächlich nicht verwandt sind. Diskriminierende Gültigkeit würde sicherstellen, dass sich in der Studie die sich nicht überschneidenden Faktoren nicht überschneiden. Zum Beispiel , Selbstwertgefühl und Intelligenz sollten in den meisten Forschungsprojekten nicht (zu viel) in Beziehung stehen.

Außerdem wurde gefragt, wie man Diskriminanzvalidität herstellt?

Diskriminierende Gültigkeit . Zu Diskriminanzvalidität herstellen , müssen Sie zeigen, dass Maßnahmen, die nicht zusammenhängen sollten, in Wirklichkeit nicht zusammenhängen. In der Abbildung unten sehen wir wieder vier Maße (jedes ist ein Item auf einer Skala).

Was bedeutet abweichende Validität?

Bei psychologischen Tests, Abweichende Gültigkeit wird verwendet, um festzustellen, ob ein Test einem anderen Test zu ähnlich ist. Wenn festgestellt wird, dass ein Test zu stark mit einem anderen Test korreliert (oder zu ähnlich ist), deutet dies darauf hin, dass die Tests dasselbe messen und zu ähnlich sind, um als unterschiedlich betrachtet zu werden.

Empfohlen: