Analyse d’items = définition simple?
Méthodes statistiques pour évaluer la qualité de chaque item d’un test.
But principal de l’analyse d’items?
Sélectionner les items qui mesurent efficacement le construit latent.
Pourquoi analyse d’items est importante?
Elle augmente fidélité, validité et qualité du test final.
Analyse d’items: quel type de statistiques utilisées?
Moyennes, écarts-types, corrélations inter-items, item-total, indices p, indices D.
Moyenne d’item = rôle?
Montre la tendance centrale (facile ou difficile?).
Écart-type = rôle?
Montre la dispersion (capacité à discriminer).
Corrélations inter-items = servent à quoi?
Évaluer cohérence entre items et détecter redondances.
Corrélations trop élevées (> .80) indiquent quoi?
Redondance, items trop semblables.
Corrélations trop faibles (~0) indiquent quoi?
Incohérence, item peut mesurer autre chose.
Corrélation item-total corrigée = sert à quoi?
Vérifier si l’item contribue à la dimension globale mesurée.
Valeur souhaitable corrélation item-total?
Souvent > 0,30.
Indice de difficulté p = définition?
Proportion de répondants qui réussissent l’item.
Indice p élevé = item…?
Facile.
Indice p faible = item…?
Difficile.
Valeur idéale p souvent…?
Environ 0,50 (plus informatif).
Indice de discrimination D = définition courte?
Capacité de l’item à distinguer hauts vs bas scores.
Comment calculer D?
pH - pL.
Item de haute discrimination = caractéristique?
Les meilleurs réussissent, les moins bons échouent.
Statistiques suppression d’item = servent à quoi?
Voir si retirer l’item augmente fidélité.
Si fidélité augmente après suppression d’item = conclusion?
Item était problématique.
Oméga de McDonald = quoi?
Indice de fidélité interne basé sur modèle factoriel.
Valeur Oméga souvent acceptable à partir de…?
≈ 0,70.
Avantage Oméga vs alpha?
Plus précis car basé sur charges factorielles.
Quand intervient analyse d’items dans développement d’un test?
Après rédaction des items et avant validation factorielle.
