2 ingrid me munck - Göteborgs universitet

14 INGRID M. E. MUNCK
läsförmågan använder Rasch-metoden för utformning av de tre dimensioner
som experter på läsning enats om: Narrative (berättande text–skönlitteratur),
Expository (förklarande text–sakprosa) och Document (informationsmaterial
– avkodningar av diagram, kartor, formulär).
IEA:s lästest omfattar sammanlagt 19 textavsnitt (som här benämns
passages) var och en tillhörig en av de tre typerna av texter: Narrative,
Expository och Documents. Dessa delades upp i två häften som administrerades
vid olika tillfällen. Tiden för testen avpassades så att alla elever
bedömdes ha tillräckligt med tid att hinna med samtliga frågor. Till varje
avsnitt hörde ett antal flervalsfrågor (med några undantag då ett enkelt svar
efterfrågades) varierande till antal, mellan fyra och sju stycken.
Modellansats för nyanserad mätning
Den förklarande svarsmodellen
Traditionellt har observationsstudier med testinstrument och frågeformulär
sett de enskilda svaren som uppbyggda av ett ”sant värde” och ett mätfel. Det
visar sig dock i många sammanhang att en sådan enkel modell ofta är
orealistisk och att det finns ett helt spektrum av både substantiella och
metodmässiga påverkansfaktorer med i svarsbilden. En sådan multivariat
svarsmodell för frågor i IEA:s lästest illustreras i Figur 3, som i sin
substantiella del är inspirerad av framgångsrik modellering av data från
intelligenstest (Gustafsson 1994). Vi tänker oss i figuren källor för påverkan
av svaret på en fråga som tillhör textavsnittet Laser (texttyp Expository) givet
vid första testtillfället och som ligger mot slutet av häftet. Vårt grundantagande
är att det finns en generell läsförmåga hos den som svarar som
genomsyrar svaren från hela testbatteriet. De tre texttyperna i lästestet
förväntas fånga olika specifika egenskaper eller förmågor och här för vi då
in Expository faktorn i svarsmodellen. Tillsammans utgör dessa hypotetiska
substantiella dimensioner, det vill säga komponenter i läsförmågan som
testet syftar till att mäta.
Ett synsätt på svaret som också inbegriper generella och specifika
metodfaktorer (Figur 3) öppnar en intressant möjlighet att skatta olika
observationsfels inverkan på resultatbilden i en SEM-analys. Därmed blir det
möjligt att kontrollera för metodfaktorer och korrigera skattningen av de
substantiella variablernas relationer. En generell metodfaktor kan till
exempel vara Testtillfälle 1, en faktor som ju påverkat samtliga svar vid detta
tillfälle med inverkan av tid på dagen, störande moment, testinstruktioner.
Ett exempel på en specifik metodfaktor Textavsnitt Laser, är inverkan av
denna text på svaren på frågorna knutna till denna passage. Den skapar en
slags gemensam nämnare, ett beroende mellan svaren till samma textavsnitt
som kan fångas upp i en mätmodell. En annan faktor, som har visats särskilt
intresse i MALI-forskarnas modeller, är inverkan på svaret av att
textavsnittet kommer sent i testhäftet, en snabbhetsfaktor, representerad i
figuren med faktorn Snabbhet. Den representerar en aspekt som både har ett
substantiellt och ett metodiskt inslag vilket också illustreras i figuren. Tidiga
modeller av detta slag gick under namnet ”Multi-trait-multi-method” –
MTMM-modeller (se Groves, 1989, som integrerar olika forskningstraditioners
mätfelstänkande och som också innehåller andra design än flerindi-