KaydedilenlerDerginizi ekleyin

Dergiler / Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi / 2019 / Cilt: 19 - Sayı: 3

MESLEKİ KARAR ENVANTERİ FAKTÖR YAPISINA AİT FARKLI ÖLÇME MODELLERİNİN DOĞRULAYICI FAKTÖR ANALİZİ İLE İNCELENMESİ

Funda NALBANTOĞLU YILMAZ
Sayfa
1068–1078
Yayın Tarihi
2019-10-11
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Envanter için hesaplanan ortalama açıklanan varyans ve yapı güvenirlik katsayılarının da yeterli düzeydedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu araştırmanın amacı, lise öğrencilerinin mesleki kararsızlık düzeylerini ölçmek için Çakır (2004) tarafında geliştirilen Mesleki Karar Envanterinin faktör yapısını farklı modeller çerçevesinde doğrulayıcı faktör analiziyle incelemektir.
📊
Temel Bulgular & Veri:Mesleki Karar Envanterinin ön çalışmasında Çakır (2004) tarafından açımlayıcı faktör analizi ile envanterin faktör çözümlenmesi yapılmıştır.
💡
Sonuç & Katkı:Envanter için hesaplanan ortalama açıklanan varyans ve yapı güvenirlik katsayılarının da yeterli düzeydedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2004 Verileri
⚙️Değişkenler:Mesleki karar · doğrulayıcı faktör analizi · ikinci düzey

Özet

Bu araştırmanın amacı, lise öğrencilerinin mesleki kararsızlık düzeylerini ölçmek için Çakır (2004) tarafında geliştirilen Mesleki Karar Envanterinin faktör yapısını farklı modeller çerçevesinde doğrulayıcı faktör analiziyle incelemektir. Mesleki Karar Envanterinin ön çalışmasında Çakır (2004) tarafından açımlayıcı faktör analizi ile envanterin faktör çözümlenmesi yapılmıştır. Envanterin geliştirilme aşamasında 5 faktör toplam 30 madde içeren formu ortaya konulmuştur. Bu araştırmada ise ön çalışmada ortaya konulan yapı tek boyut, ilişkili birinci düzey, ilişkisiz birinci düzey, ikinci düzey ve iki-faktör model olmak üzere 5 farklı model çerçevesinde doğrulayıcı faktör analizi ile test edilmiştir. Yapılan doğrulayıcı faktör analizlerinde, Mesleki Karar Envanterinin ikinci düzey yapısının bir model olarak doğrulandığı sonucuna ulaşılmıştır. Bu doğrultuda İçsel Çatışma, Kendini Yeterince Tanımama, Meslek ve Alan Bilgisi Eksikliği, Meslek Seçiminde Akılcı Olmayan İnançlar ve Dışsal Çatışmalar değişkenlerinin Mesleki Karar yapısını oluşturduğu söylenilebilir. Ayrıca genel yapı olan Mesleki Karar üzerinde en çok etkiye sahip değişkenin Meslek ve Alan Bilgisi Eksikliği olduğu belirlenmiştir. Envanter için hesaplanan ortalama açıklanan varyans ve yapı güvenirlik katsayılarının da yeterli düzeydedir.

🔖

Bu Makaleye Atıf Yap

YILMAZ, F. N. (2019). MESLEKİ KARAR ENVANTERİ FAKTÖR YAPISINA AİT FARKLI ÖLÇME MODELLERİNİN DOĞRULAYICI FAKTÖR ANALİZİ İLE İNCELENMESİ. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, Cilt: 19 - Sayı: 3, 1068–1078. https://ajindex.com/articles/213

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Alpar, R. (2017). Uygulamalı çok değişkenli istatistiksel yöntemler. Ankara:
  2. Detay Yayıncılık. Beaujean, A.A., Parkin, J., & Parker, S. (2014). Comparing Cattell-Horn-Carroll factor models: Differences between bifactor and higher order factor models in predicting language achievement. Psychological. Assessment, 26(3), 789–805.
  3. Benson, N., Hulac, D.M., & Bernstein, J.D. (2013). An independent confirmatory factor analysis of the Wechsler Intelligence Scale for Children—Fourth Edition (WISC-IV) Integrated: What do the process approach subtests measure? Psychological Assessment, 25(3), 692–705.
  4. Bentler, P. M. & Chou, C. P. (1987). Practical issues in structural equation modeling. Sociological Methods and Research, 16(1), 78–117.
  5. Boomsma, A., & Hoogland, J. J. (2001). The robustness of LISREL modeling revisited. In R. Cudeck, S. du Toit, & D. Sörbom (Eds.), Structural equation models: Present and future. A Festschrift in honor of Karl Jöreskog (pp. 139–168), Chicago: Scientific Software. Brown, T. A. (2015). Confirmatory factor analysis for applied research. The Guilford Press:
  6. New York London. Byrne, B. M. (1998). Structural equation modelling with LISREL, PRELIS, and SIMPLIS: basic concepts, applications, and programming. Mahwah, NJ: L. Erlbaum. Canivez, G. L. (2016). Bifactor modeling in construct validation of multifactored tests: Implications for multidimensionality and test interpretation. In K. Schweizer & C. DiStefano (Eds.), Principles and methods of test construction: Standards and recent advancements (pp. 247–271).
  7. Gottingen, Germany: Hogrefe. Cucina, J. & Byle, K. (2017). The bifactor model fits better than the higher-order model in more than 90% of comparisons for mental abilities test batteries. Journal of Intelligence, 5(3), 27. Çakir, M. A. (2004). Mesleki karar envanterinin geliştirilmesi [The development of career decision inventory]. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Dergisi, 37(2), 1-14.
  8. Flores-Kanter, P. E., Dominguez-Lara, S., Trógolo, M. A., & Medrano, L. A. (2018). Best practices in the use of bifactor models: Conceptual grounds, fit indices and complementary indicators. Revista Evaluar, 18(3), 44-48. Retrieved March 15, 2019 from https://revistas.unc.edu.ar/index.php/revaluar
  9. Gignac, G. E. (2008). Higher-order models versus direct hierarchical models: g as superordinate or breadth factor? Psychology Science, 50(1), 21–43.
  10. Gignac, G.E. (2016). The higher-order model imposes a proportionality constraint: That is why the bifac