بررسی ویژگی‌های روان‌سنجی آزمون خزانۀ لغات انگلیسی با استفاده از تحلیل داده‌های شبکه‌ای

زمینه: علم شبکه به‌ عنوان یک حوزۀ نوین در اندازه‌گیری روانشناختی بستر مناسبی را برای انجام تحلیل‌های آزمون‌سازی فراهم می‌آورد، اما در ایران پژوهش در خصوص تحلیل سوالات آزمون با استفاده از تحلیل داده‌های شبکه ای مغفول مانده است.هدف: این پژوهش با هدف معرفی تحلیل داده‌های شبکه‌ای به عنوان یک تکنیک روان‌سنجیریاضیاتی و استفاده از آن در فرآیند تحلیل سوالات پرسشنامه انجام شد.روش: این پژوهش از نوع توصیفیتحلیلی است، جامعۀ آماری کلیۀ زبان آموزان ده موسسۀ برتر آموزش زبان شهر تهران در سال 1398 بود که از بین آن‌ها 1556 زبان آموز به روش نمونه‌گیری در دسترس انتخاب شدند و به آزمون خزانه لغات انگلیسی (نیشن و وارینگ، 1997) پاسخ دادند. تجزیه و تحلیل داده‌ها توسط بستۀ نرم‌افزاری qgraph تحت نرم افزار r انجام شد.یافته ها: گراف حاصل از شبکۀ ارتباطی سوالات مبتنی بر الگوریتم فراچترمنرینگولد ترسیم گردید، رابطۀ والدفرزندی سوالات بر‌اساس شبکۀ بیز مشخص شد و ویژگی‌های توصیفی آزمون و شاخص‌های مرکزیت شبکه استخراج گردید.نتیجه‌گیری: معرفی تکنیک تحلیل داده‌های شبکه‌ای و استفاده از آن به منظور فرآیند تحلیل سوالات، یکی از دستاوردهای این پژوهش است. با استفاده از مزایای علم شبکه مانند قابلیت ساده‌سازی، مدیریت، ذخیره و مجموعه‌سازی داده‌های با حجم بالا و تحلیل سوالات آزمون براساس نقشه و شاخص‌های کاملا منطبق بر آن، می‌توان به ارتباط درونی سوالات مختلف آزمون پی برد و با در نظر گرفتن اهمیت سوالات در ساختار شبکۀ ارتباط خالص بین سوالات، می‌توان به ارتقاء روش های آزمون‌سازی پرداخت. انجام مطالعات مشابه و پژوهش‌هایی به منظور مقایسۀ نتایج حاصل از تحلیل داده‌های شبکه‌ای با ویژگی‌های روانسنجی که بر اساس شیوه‌های مرسوم و کلاسیک بدست می‌آیند پیشنهاد می‌گردد.

Investigating the psychometric properties of english vocabulary size test using network data analysis

Background: Network science as a new field in psychological measurement provides a good platform for test analysis, but in Iran, research on the analysis of test questions using network data analysis has been neglected.Aims: The aim of this study was to introduce network data analysis as a psychometricmathematical technique and its use in the questionnaire analysis process.Methods: This research is descriptiveanalytical, the statistical population of all language learners was the top ten language teaching institutes in Tehran in 2020, from which 1556 language learners were selected by convenience sampling method and answering the English vocabulary size test (Nation and Waring, 1997). Data analysis was performed by qgraph software package under R software.Results: The graph obtained from the communication network of questions based on the FruchtermanRingold algorithm was plotted, the parentchild relationship of the questions was determined based on the Bayesian network, and the descriptive features of the test and the indicators of network centrality were extracted.Conclusion: Introducing the technique of analyzing network data and using it for questions analysis process is one of the achievements of this article. Using the advantages of network science such as the ability to simplify, manage, store and collect highvolume data and analyze test questions based on the map and indicators that are fully consistent with it, we can understand the internal relationship between different test questions, and by considering the importance of the questions in the network structure of the net relationship between the questions, it is possible to improve the testing methods. Similar studies and researches are proposed to compare the results of network data analysis with psychometric properties obtained based on conventional and classical methods.