تحليل چندسطحي؛ راهكاري براي خطاهاي حاصل از تجميع داده ها: استفاده از داده هاي سطح دانش آموز و معلم تيمز 2011

Multiple Analyses as an Alternative Method to Avoid Ecological Problem, Using Students and Teacher Data of Timss 2011

مشكل بوم شناسي در تحليل داده هاي تجميع، مشكل آماري جدي در اغلب پژوهش هاست. در اين مقاله ضمن توضيح مشكلات مربوط به تحليل هاي تجميع و تجميع زدايي، مدل يابي چندسطحي به ويژه مدل يابي خطي چندسطحي (HLM) به عنوان روشي جايگزين معرفي شده است. پژوهش حاضر از نوع همبستگي است و رابطه ميان متغيرها در 6029 دانش آموز پايه هشتم شركت كننده در آزمون تيمز (2816 دختر و 3213 پسر) كه پرسشنامه استاندارد آن را تكميل كرده بودند، بررسي شد. نتايج بررسي رابطه مقدار تكليف و مدت زمان انجام آن بر عملكرد رياضيات دانش آموزان نشان داد كه بين متغير مقدار تكليف و مدت زمان انجام آن با عملكرد رياضيات در سطح دانش آموز رابطه معني داري وجود دارد ولي اين رابطه در سطح معلم معني دار نبود. نتايج همچنين سودمندي تحليل چندسطحي در داده هاي آشيانه اي را نشان داد.

Ecological problem in the analysis of aggregate data is a serious methodological issue in most studies. In the present paper، the problems of Aggregate analysis and disaggregate analysis has been analyzed، and multilevel modeling procedures، specifically Hierarchical Linear Modeling (HLM) as an alternative method is introduced. This research is correlational and has analyzed the relationships of variables among 6029 eighth-grade students (2816 girls and 3213 boys) who had participated in TIMSS 2011 and completed the TIMSS questionnaire. The results showed that there is a significant relationship between Homework time and Homework opportunity with mathematics achievement at students-level; however، it was not significant at teachers-level. The utility of multiple analyses at nested data set were also confirmed.