Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 20 ου Πανελληνίου Συνεδρίου Στατιστικής (2007), σελ 545-552 ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΚΟΙΝΩΝΙΑ: Η ΣΧΕΣΗ ΤΗΣ ΣΤΑΤΙΣΤΙΚΗΣ ΜΕ ΤΙΣ ΕΠΙΣΤΗΜΕΣ ΤΗΣ ΑΓΩΓΗΣ ΚΑΙ ΙΔΙΑΙΤΕΡΑ ΜΕ ΤΗΝ ΕΡΕΥΝΑ ΓΙΑ ΤΗΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΑΠΟΤΕΛΕΣΜΑΤΙΚΟΤΗΤΑ Λεωνίδας Κυριακίδης Πανεπιστήμιο Κύπρου kyriakid@ucy.ac.cy ΠΕΡΙΛΗΨΗ Στο άρθρο αυτό υποστηρίζεται ότι η ανάπτυξη της στατιστικής συνέβαλε θετικά στην προσπάθεια των ερευνητών στο χώρο των κοινωνικών επιστημών να αναπτύξουν θεωρητικά σχήματα που αποσκοπούν στην κατανόηση κοινωνικών φαινομένων. Συγκεκριμένα, γίνεται αναφορά στον τρόπο με τον οποίο αξιοποιούνται σύγχρονες τεχνικές στατιστικής ανάλυσης στο χώρο των επιστημών της αγωγής και ιδιαίτερα σε έρευνες που αποσκοπούν σε μοντελοποίηση της αποτελεσματικότητας στην εκπαίδευση. Αρχικά, αναφέρονται τρόποι αξιοποίησης των πολυεπίπεδων μοντέλων ανάλυσης (multilevel modelling techniques) ώστε να είναι δυνατή τόσο η μέτρηση της αποτελεσματικότητας των εκπαιδευτικών και των σχολικών μονάδων όσο και ο εντοπισμός παραγόντων που καθορίζουν την αποτελεσματικότητα. Στη συνέχεια, αναφέρονται τρόποι αξιοποίησης δομικών μοντέλων εξίσωσης (structural equation modelling) για σκοπούς ανάλυσης δεδομένων που προκύπτουν από διαχρονικές έρευνες, πειραματικές έρευνες και έρευνες που εξετάζουν την ύπαρξη δυναμικών σχέσεων ανάμεσα σε παράγοντες που καθορίζουν την αποτελεσματικότητα. Τέλος, το άρθρο αυτό αναφέρεται σε δυνατότητες αξιοποίησης της σύγχρονης θεωρίας μέτρησης (item response theory) και της θεωρίας γενικευσιμότητας. 1. ΕΙΣΑΓΩΓΗ Στο άρθρο αυτό υποστηρίζεται ότι η ανάπτυξη της στατιστικής συνέβαλε θετικά στην προσπάθεια των ερευνητών στο χώρο των κοινωνικών επιστημών να αναπτύξουν και να εγκυροποιήσουν θεωρητικά σχήματα που αποσκοπούν στην κατανόηση κοινωνικών φαινομένων. Για το λόγο αυτό παρουσιάζονται τρόποι με τους οποίους ερευνητές στο χώρο των επιστημών της αγωγής και ιδιαίτερα στην έρευνα που ασχολείται με την εκπαιδευτική αποτελεσματικότητα αξιοποίησαν τις σύγχρονες τεχνικές στατιστικής ανάλυσης. Προτού αναφερθούμε στον τρόπο με τον οποίο οι ερευνητές, στο χώρο της εκπαιδευτικής αποτελεσματικότητας, αξιοποιούν τις σύγχρονες τεχνικές ανάλυσης δεδομένων κρίνεται απαραίτητο να αναφερθούμε συνοπτικά στους σκοπούς του γνωστικού αυτού αντικειμένου. Η έρευνα για την εκπαιδευτική αποτελεσματικότητα - 545 -
αναπτύχθηκε αρχικά ως αντίδραση πορισμάτων ερευνών της δεκαετίας του 1960 που υποστήριξαν πως το Κοινωνικό Οικονομικό Επίπεδο (ΚΟΕ) ερμηνεύει σχεδόν όλες τις αποκλίσεις που παρατηρούνται στις σχολικές επιδόσεις των μαθητών. Το αποτέλεσμα αυτό χρησιμοποιήθηκε για να ασκηθεί κριτική στο ρόλο που μπορεί να διαδραματίσει η εκπαίδευση στη γνωστική ανάπτυξη των παιδιών. Σημειώνεται ότι η έρευνα αυτή επηρέασε σημαντικά την ανάπτυξη της εκπαιδευτικής πολιτικής στις Αγγλοσαξονικές χώρες. Σε μια περίοδο οικονομικής ύφεσης, οι πολιτικοί των χωρών αυτών χρησιμοποίησαν τα πορίσματα της έρευνας για να αιτιολογήσουν τη μείωση των επενδύσεων στην εκπαίδευση και ειδικότερα στην ανάπτυξη παρεμβατικών προγραμμάτων που αποσκοπούσαν σε βελτίωση της αποτελεσματικότητας. Στα πλαίσια αυτά, η πρώτη φάση της έρευνας για την εκπαιδευτική αποτελεσματικότητα προσπάθησε να εντοπίσει την επίδραση που ασκεί στη γνωστική ανάπτυξη του μαθητή ο εκπαιδευτικός του, καθώς και το σχολείο στο οποίο φοίτησε. Όταν και εφόσον οι ερευνητές μπόρεσαν να πείσουν ότι τόσο ο εκπαιδευτικός όσο κα το σχολείο επιδρούν σημαντικά στη γνωστική ανάπτυξη του μαθητή, ασχολήθηκαν με την ανάπτυξη θεωρητικών σχημάτων που επιχειρούν να εξηγήσουν με ποιο τρόπο συγκεκριμένοι παράγοντες που εδράζονται σε διαφορετικά επίπεδα επηρεάζουν την αποτελεσματικότητα της εκπαίδευσης. Εύκολα μπορεί κανείς να αντιληφθεί ότι για να επιχειρηθεί απάντηση στο γενικότερο αυτό ερώτημα χρειάζεται να αξιοποιηθούν οι σύγχρονες τεχνικές ανάλυσης δεδομένων και ειδικότερα τα πολυεπίπεδα μοντέλα ανάλυσης και τα δομικά μοντέλα εξίσωσης. Έτσι, στο άρθρο αυτό γίνεται συνοπτική παρουσίαση του τρόπου με τον οποίο αξιοποιούνται την τελευταία δεκαετία οι δύο αυτές τεχνικές ανάλυσης δεδομένων. Αναφέρονται, επίσης, τρόποι αξιοποίησης των σύγχρονων θεωριών μέτρησης που επιτρέπουν την ανάπτυξη ψυχομετρικά κατάλληλων κλιμάκων μέτρησης, ώστε να μπορούν τα δεδομένα μιας έρευνας να χρησιμοποιηθούν για σκοπούς ανάπτυξης θεωρητικών σχημάτων της εκπαιδευτικής αποτελεσματικότητας. Τέλος, η ανάπτυξη αυτών των θεωρητικών σχημάτων αναμένεται να οδηγήσει σε ανάπτυξη παρεμβατικών προγραμμάτων που θα μπορούν να συμβάλουν σε βελτίωση της αποτελεσματικότητας. Έτσι, στο άρθρο αυτό γίνεται αναφορά σε αξιοποίηση της στατιστικής για σκοπούς ανάλυσης δεδομένων που προκύπτουν από πειραματικές έρευνες οι οποίες αποσκοπούν σε βελτίωση της αποτελεσματικότητας των εκπαιδευτικών και των σχολικών μονάδων. 2. Η ΧΡΗΣΗ ΣΥΓΧΡΟΝΩΝ ΜΕΘΟΔΩΝ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ 2.1 Τα πολυεπίπεδα μοντέλα ανάλυσης δεδομένων Στη συντριπτική τους πλειοψηφία οι ερευνητές στο χώρο της εκπαιδευτικής αποτελεσματικότητας αναλύουν τα δεδομένα τους με τη βοήθεια των πολυεπίπεδων μοντέλων ανάλυσης. Ένας από τους πλέον βασικούς λόγους είναι ότι χωρίς τη χρήση των μοντέλων αυτών είναι αδύνατο να μετρηθεί η επίδραση που ασκούν στη γνωστική ανάπτυξη των παιδιών ο εκπαιδευτικός και η σχολική μονάδα (Snijders & Bosker, 1999). Τα πολυεπίπεδα μοντέλα έχουν τη δυνατότητα να κατανέμουν τη - 546 -
συνολική απόκλιση στις επιδόσεις των μαθητών στα επίπεδα που ενυπάρχουν στα δεδομένα μας (π.χ., μαθητής, εκπαιδευτικός, σχολείο). Όμως, επιβεβλημένη πρέπει να θεωρείται η χρήση των πολυεπίπεδων μοντέλων στις ποσοτικές έρευνες στο χώρο των επιστημών της αγωγής και όχι μόνο στο χώρο της εκπαιδευτικής αποτελεσματικότητας μια που στις περισσότερες έρευνες γίνεται χρήση της κατά στάδιο δειγματοληψίας (Goldstein, 2003). Φυσικά δεν μπορεί κανείς να ισχυριστεί ότι υπάρχει ουσιαστικό πρόβλημα όταν ένας ερευνητής εξετάζει σχέσεις ανάμεσα σε μεταβλητές που εδράζονται στο μάκροεπίπεδο και δεν χρησιμοποιεί πολυεπίπεδα μοντέλα ανάλυσης. Όμως, σε μια τέτοια περίπτωση πρέπει να ελέγχεται η αξιοπιστία των δεδομένων και να λαμβάνεται υπόψη ότι αυτή εξαρτάται και από τον αριθμό των μονάδων που βρίσκονται στο μικροεπίπεδο και οι οποίες δημιουργούν την κάθε μονάδα του μακροεπιπέδου. Για παράδειγμα, αν ο ερευνητής εξετάζει σχέσεις παραγόντων που εδράζονται στο επίπεδο της τάξης τότε η αξιοπιστία των δεδομένων του εξαρτάται και από τον αριθμό μαθητών που επιλέγηκαν από μια τάξη για να δημιουργηθούν τιμές μιας μεταβλητής σε επίπεδο τάξης. Αντίθετα, όταν ο ερευνητής ενδιαφέρεται για σχέσεις μεταβλητών που βρίσκονται σε διαφορετικά επίπεδα τότε προκύπτουν σημαντικά σφάλματα {π.χ., shift of meaning (Huttner & van den Eeden, 1995) και ecological fallacy (Alker, 1969)}. Ένα άλλο σημαντικό πλεονέκτημα της χρήσης πολυεπίπεδων μοντέλων ανάλυσης είναι ότι τα μοντέλα αυτά μάς επιτρέπουν να διερευνήσουμε κατά πόσο υπάρχουν αλληλεπιδράσεις ανάμεσα σε μεταβλητές που εδράζονται σε διαφορετικά επίπεδα (cross-level interaction effects). Ο εντοπισμός αλληλεπιδράσεων θεωρείται ιδιαίτερα σημαντικός, αφού τα σημαντικότερα θεωρητικά μοντέλα εκπαιδευτικής αποτελεσματικότητας υποστηρίζουν ότι υπάρχουν αλληλεπιδράσεις ανάμεσα σε παράγοντες που εδράζονται σε διαφορετικά επίπεδα. Παράλληλα η εύρεση αλληλεπιδράσεων ανάμεσα σε μεταβλητές που εδράζονται σε διαφορετικά επίπεδα απασχολεί συχνά και ερευνητές άλλων γνωστικών περιοχών, όπως για παράδειγμα, τους εκπαιδευτικούς ψυχολόγους που ασχολούνται με την ύπαρξη αλληλεπίδρασης ανάμεσα σε συγκεκριμένες μεθόδους διδασκαλίας και το στιλ μάθησης των παιδιών. Πέρα όμως από το γεγονός ότι η φύση των δεδομένων ποσοτικών ερευνών επιβάλλει τη χρήση πολυεπίπεδων μοντέλων ανάλυσης, τα μοντέλα αυτά μπορούν, επίσης, να μας βοηθήσουν να εντοπίσουμε παράγοντες που καθορίζουν τη γνωστική ανάπτυξη και οι οποίοι εδράζονται σε διαφορετικά επίπεδα. Η αξιοποίηση των πολυεπίπεδων μοντέλων ανάλυσης και ο εντοπισμός παραγόντων που εδράζονται σε διαφορετικά επίπεδα βοήθησε την έρευνα για την αποτελεσματικότητα να αναπτύξει ολιστικά μοντέλα αποτελεσματικότητας. Επίσης, βοήθησε στο να διεξαχθούν έρευνες εγκυροποίησης των θεωρητικών αυτών σχημάτων που δεν πρόσφεραν μόνο στήριξη και δυνατότητες διεύρυνσης των θεωρητικών μοντέλων αλλά και έδειξαν την επίδραση που ασκούν στη γνωστική ανάπτυξη των παιδιών τόσο παράγοντες που αφορούν τα ίδια τα παιδιά και δύσκολα διαφοροποιούνται (π.χ., ΚΟΕ, προσωπικότητα) όσο και παράγοντες που καθορίζουν την ποιότητα της προσφερόμενης εκπαίδευσης (π.χ., συμπεριφορά του εκπαιδευτικού στην τάξη, περιβάλλον μάθησης του σχολείου, αξιολόγηση μαθητή). - 547 -
2.2 Χρήση πολυεπίπεδων δομικών μοντέλων εξίσωσης (multilevel SEM models) Την τελευταία δεκαετία άρχισε να γίνεται επιτακτική η ανάγκη ανάπτυξης και χρήσης πολυεπίπεδων δομικών μοντέλων εξίσωσης στο χώρο της εκπαιδευτικής αποτελεσματικότητας (Heck & Thomas, 2000). Τα μοντέλα αυτά μπορούν να βοηθήσουν τους ερευνητές να εξετάσουν κατά πόσο υπάρχουν παράγοντες που ασκούν έμμεσα επίδραση στην επίδοση των μαθητών. Για παράδειγμα, αρκετοί παράγοντες που εδράζονται στο επίπεδο του σχολείου είναι πιθανόν να μην ασκούν άμεση επίδραση στην επίδοση των μαθητών αλλά έμμεση, επηρεάζοντας αρχικά τη λειτουργία παραγόντων που εδράζονται στο επίπεδο της τάξης και ειδικότερα την ποιότητα διδασκαλίας και μέσω αυτής της επίδρασής τους να επηρεάζουν τελικά και τη μάθηση. Το επιχείρημα αυτό φαίνεται να υιοθετούν τα περισσότερα θεωρητικά σχήματα στο χώρο της αποτελεσματικότητας. Με τη βοήθεια πολυεπίπεδων δομικών μοντέλων εξίσωσης είναι δυνατό να ελεγχθεί η υπόθεση αυτή ή/και να προκύψουν δυνατότητες διεύρυνσης των θεωρητικών σχημάτων, ώστε να εντοπίζεται ο τρόπος με τον οποίο μπορεί να επιτευχθεί βέλτιστη χρήση κάθε παράγοντα στην εκπαιδευτική πράξη (Kyriakides, 2005). 2.3 Δομικά μοντέλα εξίσωσης Τις τελευταίες δύο δεκαετίες παρατηρείται χρήση των δομικών μοντέλων εξίσωσης σε μεγάλο αριθμό ερευνών στο χώρο των κοινωνικών επιστημών. Παράλληλα, στα περισσότερα μεταπτυχιακά προγράμματα προσφέρονται μαθήματα για τη χρήση των δομικών μοντέλων εξίσωσης. Το γεγονός αυτό φανερώνει τη σημασία που έχει η χρήση της τεχνικής αυτής στην ανάπτυξη και εγκυροποίηση θεωρητικών μοντέλων. Πέρα όμως από τη χρήση των βασικών δομικών μοντέλων εξίσωσης (π.χ., C.F.A. models, Path models), την τελευταία πενταετία έχουν αναπτυχθεί δομικά μοντέλα, τα οποία επιτρέπουν τη διερεύνηση πολύ πιο σύνθετων σχέσεων ανάμεσα σε μεταβλητές (Hancock & Mueller, 2006). Τα μοντέλα αυτά έχουν προκύψει λόγω της ανάγκης να δοθούν εξειδικευμένες απαντήσεις σε ερωτήματα που δημιουργήθηκαν από τα πορίσματα ερευνών που αξιοποίησαν βασικά δομικά μοντέλα εξίσωσης. Το γεγονός αυτό φανερώνει και τη συμβολή που μπορεί να έχει η βασική έρευνα στο χώρο των κοινωνικών επιστημών στην ανάπτυξη της στατιστικής. Τυπικό παράδειγμα από το χώρο της εκπαιδευτικής αποτελεσματικότητας είναι η ανάπτυξη δυναμικών μοντέλων εκπαιδευτικής αποτελεσματικότητας (Creemers & Kyriakides, 2007) που οδήγησε σε ανάγκη εύρεσης βέλτιστων σημείων στη λειτουργία ενός παράγοντα. Απάντηση στο ερώτημα αυτό μπορούμε να πάρουμε με τη χρήση εξειδικευμένων δομικών μοντέλων εξίσωσης (structural equation models of latent interaction and quadratic effects). Εξειδικευμένα δομικά μοντέλα εξίσωσης έχουν, επίσης, προκύψει ώστε να είναι δυνατή η ανάλυση διαχρονικών ερευνών (latent growth models). Οι διαχρονικές έρευνες μπορούν να συμβάλουν στην ανάπτυξη τόσο του χώρου της εκπαιδευτικής αποτελεσματικότητας όσο και πολλών άλλων περιοχών των κοινωνικών επιστημών - 548 -
που ασχολούνται με αλλαγές φαινομένων στο χρόνο (π.χ., εξελικτική ψυχολογία). Συγκεκριμένα, οι διαχρονικές έρευνες μπορούν να μετρήσουν μεταβολές στο χρόνο των εξαρτημένων τους μεταβλητών και με τη βοήθεια των δομικών μοντέλων να εντοπίσουν ανεξάρτητες μεταβλητές οι οποίες μπορούν να ερμηνεύσουν τις αποκλίσεις στις αλλαγές αυτές. Επίσης, ο ερευνητής μπορεί να ελέγξει τη γενικευσιμότητα των μοντέλων που προκύπτουν σε μια χρονική στιγμή ή/και να εντοπίσει διαφοροποιημένα θεωρητικά σχήματα που ερμηνεύουν ένα φαινόμενο όταν βρίσκεται σε διαφορετικές φάσεις. Στην περίπτωση της έρευνας για την εκπαιδευτική αποτελεσματικότητα, οι διαχρονικές έρευνες μπορούν, επίσης, να εντοπίσουν επιδράσεις των σχολείων και των εκπαιδευτικών σε βάθος χρόνου (long term effects) και να εξετάσουν το βαθμό στον οποίο οι παράγοντες αποτελεσματικότητας δεν σχετίζονται μόνο με την επίδοση των παιδιών σε μια χρονική στιγμή, αλλά ερμηνεύουν και αλλαγές στην αποτελεσματικότητα των εκπαιδευτικών και των σχολείων. Ακόμη, η συγκέντρωση διαχρονικών δεδομένων επιτρέπει στον ερευνητή να εντοπίσει δυναμικές σχέσεις ανάμεσα σε μεταβλητές που αποτελούν σε ένα προγενέστερο στάδιο αιτία η μια για την άλλη. Για παράδειγμα, ο ερευνητής μπορεί να εξετάσει το βαθμό στον οποίο τα μαθησιακά κίνητρα επηρεάζονται από την επίδοση των μαθητών και επιπλέον προβλέπουν τη μελλοντική τους επίδοση. Τέλος, σε πειραματικές έρευνες υπάρχει ανάγκη συγκέντρωσης διαχρονικών δεδομένων, αφού ο ερευνητής χρειάζεται να εντοπίσει το βαθμό στον οποίο οι αλλαγές σε μια εξαρτημένη μεταβλητή προκύπτουν από την παρέμβαση και όχι από άλλους παράγοντες (π.χ., ωρίμανση). Σε μια τέτοια περίπτωση είναι δυνατή η χρήση δομικών μοντέλων εξίσωσης που μπορούν να εντοπίσουν διαφορετικούς ρυθμούς ωρίμανσης στην πειραματική από ό,τι στην ομάδα ελέγχου. Χρήση των μοντέλων αυτών παρατηρείται στο χώρο της έρευνας για τη βελτίωση της αποτελεσματικότητας, όπου προκύπτει η ανάγκη αξιολόγησης των παρεμβατικών προγραμμάτων που εφαρμόζονται και αποσκοπούν σε βελτίωση των επιδόσεων των παιδιών. Τέλος, στο χώρο των κοινωνικών επιστημών συχνά παρατηρείται η ανάγκη χρήσης πολλαπλών μεθόδων μέτρησης μιας μεταβλητής. Σε μια τέτοια περίπτωση η εγκυροποίηση των δεδομένων δεν μπορεί να προκύψει από ένα απλό μοντέλο επιβεβαιωτικής παραγοντικής ανάλυσης. Για το σκοπό αυτό έχει αναπτυχθεί εξειδικευμένο μοντέλο παραγοντικής ανάλυσης (multi-trait multi-method CFA model) το οποίο τα τελευταία 10 χρόνια χρησιμοποιείται σε αξιολογικές έρευνες. Για παράδειγμα, οι ερευνητές χρησιμοποιούν συχνά περισσότερες από μια μεθόδους για να συγκεντρώσουν δεδομένα για τη διδακτική συμπεριφορά των εκπαιδευτικού (π.χ., διαφορετικές μορφές παρατήρησης της διδασκαλίας και ερωτηματολόγια προς τους μαθητές). Σε μια τέτοια περίπτωση μπορεί κανείς να χρησιμοποιήσει το δομικό αυτό μοντέλο εξίσωσης για να εντοπίσει την εγκυρότητα γνωρίσματος του κάθε εργαλείου μέτρησης αλλά και τα σφάλματα που συνοδεύουν τη χρήση της κάθε μεθόδου. 2.4 Αξιοποίηση θεωριών μέτρησης Η αξιοποίηση των θεωριών μέτρησης επιτρέπει την ανάπτυξη ψυχομετρικά κατάλληλων κλιμάκων, ώστε να είναι δυνατή και η ανάλυση των δεδομένων που - 549 -
προκύπτουν από μια έρευνα και αφορούν διαφορετικές μεταβλητές. Έτσι, στο μέρος αυτό γίνεται συνοπτική αναφορά σε δυνατότητες χρήσης των θεωριών μέτρησης και ειδικότερα της σύγχρονης θεωρίας μέτρησης και της θεωρίας γενικευσιμότητας. Αρχικά, ανάλυση των δεδομένων με τη βοήθεια μοντέλων της σύγχρονης θεωρίας μέτρησης επιτρέπει τον έλεγχο της εγκυρότητας γνωρίσματος (construct validity) του κάθε ερευνητικού εργαλείου μέτρησης. Επίσης, η ανάλυση αυτή μάς επιτρέπει να εντοπίσουμε ερωτήσεις ενός εργαλείου ή/και υποκείμενα της έρευνας που δεν λειτουργούν με τον αναμενόμενο τρόπο. Με τον τρόπο αυτό μπορούμε να περιορίσουμε σημαντικά τα σφάλματα που προκύπτουν κατά τη μέτρηση. Τέλος, με τη βοήθεια της σύγχρονης θεωρίας μέτρησης μπορούμε να εξισώσουμε δοκίμια (test equating) και να αναπτύξουμε μια κοινή κλίμακα μέτρησης. Το πλεονέκτημα αυτό είναι ιδιαίτερα σημαντικό, γιατί στις περισσότερες διαχρονικές έρευνες χρησιμοποιούνται διαφορετικά δοκίμια μέτρησης τη γνωστική ανάπτυξη των παιδιών σε διαφορετικές χρονικές στιγμές. Για να καταστεί, όμως, δυνατή η ανάλυση των δεδομένων αυτών είτε με τη βοήθεια πολυεπίπεδων μοντέλων (growth multilevel modeling) είτε με τη βοήθεια δομικών μοντέλων (growth latent models) επιβάλλεται να αναπτυχθεί κοινή κλίμακα μέτρησης. Η ανάλυση των δεδομένων με τη βοήθεια των μοντέλων της σύγχρονης θεωρίας μέτρησης επιτρέπει, κάτω υπό προϋποθέσεις (π.χ., ύπαρξη ικανοποιητικού αριθμού κοινών ερωτήσεων στα δοκίμια), την ανάπτυξη κλίμακας και τον έλεγχο των ψυχομετρικών της ιδιοτήτων. Εξίσου χρήσιμη μπορεί να θεωρήσει κανείς και τη θεωρία γενικευσιμότητας, αφού πολλές φορές συγκεντρώνονται δεδομένα με ερωτηματολόγια ετερο-αναφοράς και άρα είναι σημαντικό να εξεταστεί η γενικευσιμότητα των δεδομένων της έρευνας. Τυπικό παράδειγμα αφορά στη μέτρηση της διδακτικής συμπεριφοράς του εκπαιδευτικού μέσω ερωτηματολογίου που απευθύνεται στους μαθητές. Στην περίπτωση αυτή είναι σημαντικό να αναλυθούν τα δεδομένα με τη βοήθεια της θεωρίας γενικευσιμότητας ώστε να βρεθεί ο βαθμός στον οποίο τα δεδομένα αυτά μπορούν να χρησιμοποιηθούν για να μετρηθεί η αποτελεσματικότητα του εκπαιδευτικού. 2.5 Χρήση μεθόδων μετα-ανάλυσης ερευνών Η ανάπτυξη μιας ερευνητικής περιοχής δεν προκύπτει μόνο από τη διεξαγωγή εμπειρικών ερευνών, αλλά κυρίως από τη συστηματική σύνθεση των ερευνών που έχουν διεξαχθεί με τη βοήθεια της στατιστικής. Τα τελευταία χρόνια παρατηρείται αυξημένο ενδιαφέρον στη διεξαγωγή μετα-αναλύσεων. Στο χώρο της εκπαιδευτικής αποτελεσματικότητας έχουν διεξαχθεί μετα-αναλύσεις που αποσκοπούσαν σε ποσοτική σύνθεση ερευνών για να εντοπίσουν την επίδραση (effect size) που ασκούν συγκεκριμένοι παράγοντες αποτελεσματικότητας στη σχολική επίδοση. Η στατιστική ανάλυση των δεδομένων στηρίχθηκε σε χρήση πολυεπίπεδων μοντέλων, αφού υπήρχε μεγάλος αριθμός ερευνών που εξέταζε την επίδραση του κάθε παράγοντα (π.χ., διοίκηση σχολείου, γονεϊκή εμπλοκή) και από κάθε έρευνα προέκυπταν δεδομένα που αφορούσαν διαφορετικά μεγέθη επίδρασης του κάθε παράγοντα σε σχέση με τα διάφορα κριτήρια μέτρησης της αποτελεσματικότητας που υιοθετούσαν. - 550 -
Η ποσοτική σύνθεση των ερευνών με τη χρήση πολυεπίπεδων μοντέλων επιτρέπει στους ερευνητές να εντοπίσουν το βαθμό στον οποίο μεταβλητές που αναφέρονται σε χαρακτηριστικά της κάθε έρευνας (π.χ., μεθοδολογία, χώρα στην οποία έγινε η έρευνα, διαδικασία στατιστικής ανάλυσης) ερμηνεύουν τις αποκλίσεις που παρατηρούνται στα αποτελέσματα των ερευνών σε σχέση με την επίδραση του κάθε παράγοντα. Με τον τρόπο αυτό η μετα-ανάλυση δεν οδηγείται απλά σε σύνθεση των ερευνών αλλά επιχειρεί να ερμηνεύσει τις αποκλίσεις που παρατηρούνται στα αποτελέσματα των ερευνών αυτών. Άρα, καθίσταται δυνατή η ανάπτυξη αντίστοιχων θεωρητικών σχημάτων για την εκπαιδευτική αποτελεσματικότητα. Η χρήση σύγχρονων τεχνικών ανάλυσης για σκοπούς ποσοτικής σύνθεσης ερευνών είναι δυνατό να βοηθήσει σημαντικά την ανάπτυξη θεωριών στο χώρο των κοινωνικών επιστημών, αφού οι μετα-αναλύσεις που έχουν διεξαχθεί τα τελευταία χρόνια δείχνουν ότι ο βαθμός συνέπειας των αποτελεσμάτων των ερευνών στο χώρο αυτό είναι το ίδιο υψηλός με το βαθμό συνέπειας των ερευνών στο χώρο των θετικών επιστημών (δες Hunter & Schmidt, 2004). 3. ΣΥΜΠΕΡΑΣΜΑΤΑ Στο άρθρο αυτό παρουσιάστηκαν δυνατότητες που παρέχει η στατιστική στην ανάπτυξη και εγκυροποίηση θεωρητικών μοντέλων για σκοπούς ερμηνείας ενός φαινομένου στο χώρο των κοινωνικών επιστημών. Ιδιαίτερη έμφαση δόθηκε στη χρήση των πολυεπίπεδων μοντέλων ανάλυσης και των δομικών μοντέλων εξίσωσης. Θεωρώ ότι τις επόμενες δεκαετίες θα γίνει συστηματική χρήση των μεθόδων αυτών από ερευνητές στο χώρο των κοινωνικών επιστημών, αφού οι δύο αυτές τεχνικές επιτρέπουν στους ερευνητές να επιλύσουν ένα σημαντικό αριθμό μεθοδολογικών προβλημάτων που αντιμετωπίζει η ποσοτική έρευνα στο χώρο των κοινωνικών επιστημών. Υποστηρίζεται, επίσης, ότι η στατιστική μπορεί να βοηθήσει τους ερευνητές να προχωρήσουν σε ποσοτική σύνθεση εμπειρικών ερευνών ώστε να αναπτύξουν θεωρητικά μοντέλα που να ερμηνεύσουν ένα φαινόμενο. Τέλος, διαφάνηκε ότι οι θεωρίες μέτρησης που έχουν αναπτυχθεί τα τελευταία 25 χρόνια επιτρέπουν στους ερευνητές να αναπτύξουν ψυχομετρικά κατάλληλες κλίμακες. Παρόλο που το άρθρο αυτό αναφέρεται στη σημασία της χρήσης της στατιστικής για σκοπούς ανάλυσης δεδομένων βασικής έρευνας στο χώρο των κοινωνικών επιστημών, θεωρώ ότι πρέπει να γίνει αναφορά και στις δυνατότητες αξιοποίησης της στατιστικής και ειδικότερα των θεωριών μέτρησης ώστε να αναπτυχθούν συστήματα μετα-αξιολόγησης και να αποκατασταθεί μακροπρόθεσμα η εμπιστοσύνη των πολιτών απέναντι στα συστήματα αξιολόγησης και διοίκησής τους. ABSTRACT This paper argues that the developments in research methodology area such as the use of multilevel modelling approaches to analyse nested data have promoted the knowledge-base of educational effectiveness. Moreover, the development of advanced quantitative techniques which can be used to analyse data of longitudinal studies does not only help researchers - 551 -
measure both the short- and the long- term effects of schools and teachers but also reveals the importance of establishing dynamic models. Furthermore, structural equation models can be used in order to identify direct and indirect effects of effectiveness factors on student achievement. Finally, this paper is concerned with the use of item response theory and generalisability theory in analysing data and investigating the psychometric properties of research instruments. These measurement theories may also help us generate meta-evaluation systems which could improve the quality of evaluation systems that operate in different countries. ΑΝΑΦΟΡΕΣ Alker, H.R. (1969). A typology of ecological fallacies. In M. Dogan, & S. Rakkan (Eds.), Quantitative ecological analyses in the social sciences, (pp. 69-86). Cambridge, Mass: The M.I.T. Press. Creemers, B.P.M. & Kyriakides, L. (2007). The dynamics of educational effectiveness: a contribution to policy, practice and theory in contemporary schools. London: Routledge. Goldstein, H. (2003). Multilevel statistical models. London: Edward Arnold. Hancock, G.R. & Mueller, R.D. (2006). Structural equation modelling: a second course. Greenwich, Connecticut: IAP. Heck, R.H. & Thomas, S.L. (2000). An introduction to multilevel modeling techniques. Mahwah, NJ: Lawrence Erlbaum Associates. Hunter, J.E. & Schmidt, F.L. (2004). Methods of Meta-Analysis: Correcting Error and Bias in Research Findings. Thousand Oaks, California: Sage. Huttner, H.J.M. & van den Eeden, P. (1995). The Multilevel Design: A guide with an Annotated Bibliography, 1980-1993. Westport, Conn: Greenwood Press. Kyriakides, L. (2005). Extending the Comprehensive Model of Educational Effectiveness by an Empirical Investigation. School Effectiveness and School Improvement, 16 (2), 103-152. Snijders, T. & Bosker, R. (1999). Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling. London: Sage. - 552 -