Phát triển phần mềm trực tuyến phân tích dữ liệu với mô hình thang đánh giá Rating Scale

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:9

Thêm vào BST

Báo xấu

1
lượt xem 0
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết trình bày mục tiêu: Phát triển một phần mềm trực tuyến thân thiện với người dùng, có kết quả phân tích dữ liệu chính xác tương đương và trực quan hóa tốt hơn so với gói phần mềm R cùng chức năng.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Phát triển phần mềm trực tuyến phân tích dữ liệu với mô hình thang đánh giá Rating Scale

Nghiên cứu Y học Tạp chí Y học Thành phố Hồ Chí Minh; 27(5):156-164 ISSN: 1859-1779 https://doi.org/10.32895/hcjm.m.2024.05.19 Phát triển phần mềm trực tuyến phân tích dữ liệu với mô hình thang đánh giá Rating Scale Phạm Thị Mai Huyền1,*, Vĩnh Sơn2, Phạm Lê An3, Nguyễn Anh Vũ1,2 1 Khoa Khoa học Cơ bản, Đại học Y Dược Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh, Việt Nam 2 Phòng Đảm bảo chất lượng Giáo dục và Khảo thí, Đại học Y Dược Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh, Việt Nam 3 Trung tâm Y học Gia đình, Đại học Y Dược Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh, Việt Nam Tóm tắt Đặt vấn đề: Trong lĩnh vực y tế và giáo dục, các phương pháp thống kê truyền thống gặp hạn chế khi xử lý dữ liệu thang đo Likert cũng như đánh giá độ tin cậy của bộ câu hỏi. Nghiên cứu này tập trung vào việc khắc phục những hạn chế đó bằng cách phát triển phần mềm phân tích dữ liệu trực tuyến mô hình đánh giá thang đo Rating Scale Model (RSM), cho phép đánh giá độ khó câu hỏi và khả năng người trả lời trên cùng một thang đo, cung cấp thông tin chi tiết về cấu trúc bộ câu hỏi và độ chính xác kết quả. Mục tiêu: Phát triển một phần mềm trực tuyến thân thiện với người dùng, có kết quả phân tích dữ liệu chính xác tương đương và trực quan hóa tốt hơn so với gói phần mềm R cùng chức năng. Đối tượng và phương pháp nghiên cứu: Phần mềm RSM trực tuyến được phát triển, phần mềm R (gói eRm), dữ liệu khảo sát sử dụng thang đo Likert. Phát triển phần mềm RSM trực tuyến với giao diện thân thiện, chạy cả hai phần mềm trên cùng một tập dữ liệu khảo sát. Sau đó so sánh kết quả phân tích, đánh giá các chỉ số chất lượng bộ câu hỏi từ kết quả của cả hai phần mềm. Kết quả: Phần mềm RSM có giao diện dễ sử dụng, thân thiện với người dùng, kết quả phân tích đạt độ chính xác tương đương với gói phần mềm eRm. Phần mềm cung cấp các công cụ trực quan để diễn giải kết quả tốt hơn eRm, có khả năng hỗ trợ đánh giá chất lượng bộ câu hỏi, cải thiện thiết kế khảo sát. Kết luận: Phần mềm trực tuyến RSM đạt kết quả mong đợi, có tiềm năng ứng dụng rộng rãi trong y tế, giáo dục và xã hội, giúp phân tích dữ liệu khảo sát hiệu quả và chính xác hơn. Từ khóa: thang đo Likert; lý thuyết trắc nghiệm cổ điển (CTT); mô hình đánh giá thang đo (RSM); lý thuyết đáp ứng câu hỏi (IRT) Ngày nhận bài: 21-10-2024 / Ngày chấp nhận đăng bài: 25-11-2024 / Ngày đăng bài: 27-11-2024 *Tác giả liên hệ: Phạm Thị Mai Huyền. Khoa Khoa học Cơ bản, Đại học Y Dược Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh, Việt Nam. E-mail: mhuyen@ump.edu.vn © 2024 Bản quyền thuộc về Tạp chí Y học Thành phố Hồ Chí Minh. 156 https://www.tapchiyhoctphcm.vn
Tạp chí Y học Thành phố Hồ Chí Minh * Tập 27 * Số 5 * 2024 Abstract BUILDING AN WEB-BASED DATA ANALYSIS TOOL WITH RATING SCALE MODEL Pham Thi Mai Huyen, Vinh Son, Pham Le An, Nguyen Anh Vu Background: In healthcare and education, traditional statistical methods face limitations in handling Likert scale data and assessing the reliability of questionnaires. This study focuses on overcoming these limitations by developing a web-based data analysis software based on Rating Scale Model that places item difficulty and respondent ability on the same scale, providing detailed information on the questionnaire structure and result accuracy. Objective: To develop a user-friendly online software with accurate data analysis results and better visualization tools compared to the R software package with the same functionality. Methods: The research uses used web-based RSM software, eRm package of R software and survey data using from the Likert Likert-scale questionnaire. The RSM software is was firstly developed with a user-friendly interface, then run ran on the same survey dataset with eRm. Analysis results of both softwares are were compared and evaluated following quality indicators of the used questionnaire Results: The RSM software has was considered to have a user-friendly interface, provides provided analysis results in the same level of accuracy as the eRm package but better visualization tools compared to eRm. The RSM software can also support the assessment of questionnaire quality and improves survey design. Conclusion: The RSM software meets expectations and has offered the potential for a wide range of applications in healthcare, education, and social sciences, contributing to more efficient and accurate survey data analysis. Keywords: likert scales; Classical Test Theory (CTT); Rating Scale Model (RSM); Item Response Theory (IRT) 1. ĐẶT VẤN ĐỀ liệu đa mức có hơn hai danh mục được sắp thứ tự. Mô hình này cung cấp ước tính về đặc điểm của người trả lời, độ khó của câu hỏi và một tập hợp ngưỡng tổng thể được giả định là Trong lĩnh vực nghiên cứu tâm lý, giáo dục và xã hội, việc cố định trên các mục. Khoảng cách tương đối giữa các phân tích dữ liệu khảo sát dựa vào thang đo đa mức đóng vai ngưỡng là như nhau trên các mục, nhưng các mục vẫn có độ trò quan trọng trong việc đánh giá hiệu quả của các chương khó khác nhau. Các ngưỡng chỉ dịch chuyển lên hoặc xuống trình đào tạo, dịch vụ và chất lượng cuộc sống. Lý thuyết trắc trên thang logit độ khó [1,2]. nghiệm cổ điển (CTT) có vai trò quan trọng trong việc đánh giá tính giá trị của cấu trúc và độ tin cậy của thang đo. Đến Các ưu điểm của RSM so với CTT [3], gồm có: nay, CTT vẫn là công cụ được sử dụng phổ biến để phân tích (1) Tính độc lập: Đối với RSM, độ khó câu hỏi độc lập với dữ liệu các khảo sát, do dễ dàng cung cấp các thống kê mô tả mẫu khảo sát và đặc điểm đo được độc lập với bộ câu hỏi thông dụng, có khả năng đánh giá cấu trúc bằng phân tích khảo sát. Trong khi đó hạn chế của CTT là điểm số của một CFA và độ tin cậy nhất quán nội bộ của thang đo với hệ số người phụ thuộc vào bộ câu hỏi khảo sát cũng như độ khó câu Cronbach Alpha. Các tính năng của CTT có sẵn trong nhiều hỏi phụ thuộc vào nhóm người được khảo sát. phần mềm thống kê thông dụng như SPSS và STATA. Tuy nhiên, các phương pháp phân tích thống kê truyền (2) Trọng số khác nhau cho từng câu hỏi: RSM đánh giá thống dựa trên CTT thường gặp hạn chế trong việc xử lý dữ mức độ khó của từng câu hỏi và gán trọng số phù hợp, trong liệu thang đo Likert và đánh giá độ tin cậy của bộ câu hỏi. Mô khi CTT gán trọng số như nhau cho tất cả các câu hỏi. Điều hình thang đánh giá Rasch (RSM) đôi khi còn được gọi là mô này giúp RSM phản ánh chính xác hơn khả năng của người hình Rasch đa mức được Andrich (1978) phát triển cho dữ tham gia khảo sát [4]. https://doi.org/10.32895/hcjm.m.2024.05.19 https://www.tapchiyhoctphcm.vn | 157
Tạp chí Y học Thành phố Hồ Chí Minh * Tập 27 * Số 5 * 2024 (3) Đo lường trên cùng một thang đo: RSM chuyển đổi điểm vào thiết kế xây dựng giao diện, lập trình chức năng và đảm thô thành các phép đo khoảng (logit), cho phép so sánh trực bảo khả năng sử dụng, hiệu suất và tính bảo mật. Nghiên cứu tiếp giữa khả năng của người tham gia và độ khó của câu hỏi. đánh giá được thực hiện sau khi phát triển phần mềm, bao Trong thang Likert, các mức từ “hoàn toàn không đồng ý” đến gồm tự đánh giá và đánh giá của chuyên gia. “hoàn toàn đồng ý” là số đo thứ tự với khoảng cách giữa các 2.2.2. Biến số nghiên cứu lựa chọn không chắc chắn đồng đều. Trong khi đó RSM tính Các tham số của câu hỏi: độ khó, giá trị phù hợp Infit mean ngưỡng (threshold) giữa các lựa chọn và do đó chuyển thang square và Outfit mean square, ngưỡng phân cách giữa các lựa đo thứ tự này thành thang đo liên tục. Các tham số Infit MSQ, chọn của câu hỏi trong bộ câu hỏi khảo sát sử dụng thang đo Outfit MSQ cung cấp thông tin về tính nhất quán của một cụm Likert. câu hỏi, tương tự như Cronbach Alpha nhưng nhiều thông tin hơn. Chức năng DIF (Different Item Functioning) giúp phát Đặc trưng tính nhất quán của cụm câu hỏi liên quan đến hiện đặc điểm khác nhau của câu hỏi trên hai hay nhiều nhóm một đặc điểm khảo sát dựa vào giá trị Infit MSQ (1,6: under fit). đi khả năng đo lường của bộ câu hỏi khảo sát, vì câu hỏi phụ Biểu đồ đường cong đặc trưng của câu hỏi (ICC, Item thuộc vào đặc điểm nhóm thay vì chỉ đo trên năng lực hoặc đặc Characteristic Curve). điểm cần đo. Bộ câu hỏi khảo sát sẽ không được coi là hợp lệ Các tham số của người tham gia khảo sát: năng lực, giá trị nếu có nhiều câu hỏi DIF [6]. phù hợp (Infit mean square và Outfit mean square). Tuy nhiên, RSM mang lại nhiều ưu điểm so với CTT trong Biểu đồ năng lực-độ khó (Wright map): Biểu đồ năng lực- việc phân tích khảo sát sử dụng thang điểm Likert. RSM cung độ khó biểu diễn người và câu trên cùng một trục độ khó (từ cấp một cách tiếp cận đo lường chính xác và chi tiết hơn, giúp thấp đến cao), trực quan hóa sự phù hợp độ khó của bộ câu đánh giá hiệu quả hơn khả năng của người tham gia và chất hỏi với năng lực nhóm khảo sát. lượng của thang đo. Do đó, nghiên cứu này được thực hiện nhằm khắc phục những hạn chế trên bằng cách phát triển một 2.2.3. Địa điểm nghiên cứu phần mềm phân tích RSM trực tuyến, sử dụng những ưu điểm Nghiên cứu được thực hiện tại Đại học Y Dược Thành phố của RSM, cho phép đặt độ khó của câu hỏi và khả năng của Hồ Chí Minh từ tháng 02 năm 2023 đến tháng 10 năm 2024. người trả lời lên cùng một thang đo, từ đó cung cấp những 2.2.4. Tiến trình phát triển phần mềm thông tin chi tiết hơn về cấu trúc của bộ câu hỏi và độ chính xác của kết quả khảo sát. Phần mềm đo lường Rasch đa mức đã hoàn thành giai đoạn phát triển và kiểm thử chức năng ban đầu. Phần mềm được tổ chức mã theo module, phát triển theo mô hình Scrum, theo 2. ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP đó công việc phát triển phần mềm được chia thành các giai NGHIÊN CỨU đoạn Sprint [6]. Trong mỗi Sprint đều có các giai đoạn PDCA (Plan-Do-Check-Act), mỗi Sprint có nhiệm vụ tạo một 2.1. Đối tượng nghiên cứu module cho chức năng của phần mềm. Trong lập trình phần Phần mềm phân tích trực tuyến dựa vào mô hình RSM, gói mềm, nhóm nghiên cứu có tham khảo các phần mềm đo ứng dụng mở rộng eRm của phần mềm R có cùng chức năng lường khác như Winsteps, Quest, ConQuest. phân tích dữ liệu thang đo như phần mềm RSM được phát Tiến trình phát triển gói phần mềm Rasch đa mức cũng tuân triển, bộ dữ liệu kiểm thử. theo quy trình PDCA (Plan-Do-Check-Act) như sau: - Plan (Lập kế hoạch): Xác định mục tiêu, phạm vi và đối 2.2. Phương pháp nghiên cứu tượng người dùng của phần mềm. Lựa chọn ngôn ngữ lập 2.2.1. Thiết kế nghiên cứu trình PHP, cơ sở dữ liệu mysql, thuật toán JMLE, xây dựng Nghiên cứu phát triển ứng dụng phần mềm kết hợp với kế hoạch phát triển chi tiết. nghiên cứu đánh giá. Trong đó nghiên cứu phát triển tập trung - Do (Thực hiện): Thiết kế kiến trúc phần mềm và giao diện 158 | https://www.tapchiyhoctphcm.vn https://doi.org/10.32895/hcjm.m.2024.05.19
Tạp chí Y học Thành phố Hồ Chí Minh * Tập 27 * Số 5 * 2024 người dùng trên Web. Viết mã nguồn, thực hiện kiểm thử từng Đánh giá chuyên gia được thực hiện bởi bên thứ ba, độc module tính toán, module đồ họa và tích hợp các module. lập với phát triển phần mềm và người dùng, gồm có 01 chuyên gia tâm lý học giáo dục, 01 chuyên gia công nghệ - Check (Kiểm tra): Kiểm thử chức năng phần mềm bằng thông tin. Chuyên gia hiểu rõ về bản chất và mức độ tác động bộ số liệu khảo sát sử dụng thang đo Likert. Phân tích kết quả của nghiên cứu, tự nguyện tham gia và nhận được đầy đủ kiểm thử, đánh giá hiệu năng và độ chính xác của phần mềm. thông tin về nghiên cứu, quyền của người tham gia và bảo Chúng tôi chọn một trong các gói R phổ biến cho Rasch đa mật thông tin cá nhân. Phương pháp phỏng vấn bán cấu trúc mức là gói eRm để làm đối chứng. được sử dụng khi tiếp xúc với chuyên gia. - Act (Hành động): Dựa trên kết quả kiểm thử với bộ số liệu 2.2.7. Quy mô mẫu và lấy mẫu thứ cấp của dự án Nghiên cứu cảm xúc và ý chí người học tiếng Anh trên dữ liệu chia sẻ OSF, nhóm nghiên cứu xác định các Đối với tự đánh giá: Bộ số liệu thứ cấp thu được từ khảo sát vấn đề cần điều chỉnh, cải thiện mã nguồn và tối ưu hóa hiệu 487 người Ukraine học tiếng Anh như là ngôn ngữ thứ hai về năng phần mềm, triển khai phần mềm trong lãnh vực nghiên 3 đặc điểm: hỗ trợ từ bạn đồng trang lứa (Peer Support, PS), lo cứu sức khỏe và giáo dục và tiếp tục hoàn thiện sản phẩm. lắng ngoại ngữ (Foreign LanguageAnxiety, FLA) và sẵn sàng giao tiếp (Willingness To Communicate, WTC). Bộ câu hỏi 2.2.5. Triển khai vận hành hệ thống gồm 22 câu đánh giá với thang Likert 5 mức từ “hoàn toàn Cấu trúc hệ thống đã được triển khai trên nền tảng web, không đồng ý” đến “hoàn toàn đồng ý”, trong đó 5 câu thuộc được phát triển bằng ngôn ngữ lập trình PHP với nhiều ưu chủ đề PS, 8 câu thuộc chủ đề FLA, 9 câu thuộc chủ đề WTC. điểm như chạy nhẹ, linh hoạt và đa nền tảng, có thể được sử Đối với đánh giá chuyên gia: 01 chuyên gia phát triển phần dụng cho nhiều hệ điều hành khác nhau. Bảo mật OAuth 0.2 mềm, 01 chuyên gia tâm lý học giáo dục có kinh nghiệm phân và WAF, Đường dẫn của phần mềm RSM của nghiên cứu là tích số liệu với thang đo Likert. http://basicstat.net/mcq2024/. 2.2.8. Phương pháp thống kê 2.2.6. Quy trình nghiên cứu Số liệu được quản lý bằng MS Excel 365, mô tả và kiểm Quy trình tự đánh giá được thực hiện với các bước: (1) định định thống kê bằng R 4.3.1 có phối kiểm lại bằng JASP nghĩa mục tiêu và tiêu chí đánh giá; (2) lựa chọn phương pháp 0.19.1.0. Biến định tính được mô tả bằng tần số và tỷ lệ phần đánh giá; (3) thu thập dữ liệu; (4) phân tích dữ liệu; (5) báo trăm, so sánh bằng kiểm định χ2 hoặc Fisher nếu tần số kỳ cáo kết quả. Trong đó mục tiêu đánh giá nhắm đến tính khả dụng, hiệu quả và bảo mật của phần mềm. Các tiêu chí đánh vọng dưới 5. Biến định lượng được mô tả bằng giá trị trung giá như chức năng, giao diện, hiệu suất, độ tin cậy, đáp ứng bình và độ lệch chuẩn, trung vị và khoảng phân vị, kiểm định nhu cầu người dùng. Chuẩn so sánh là gói eRm thuộc phần Shapiro-Wilk kiểm tra phân phối chuẩn, kiểm định Student mềm R có cùng chức năng phân tích dữ liệu thang đo như so sánh trung bình khi có phân phối chuẩn, kiểm định Mann- phần mềm RSM được phát triển, quy trình so sánh được thực Whitney so sánh trung vị khi phân phối không chuẩn. Hệ số hiện trên cùng một bộ số liệu khảo sát có sử dụng thang đo tương quan Pearson và tương quan nội ICC (Intraclass Likert. Nghiên cứu sử dụng một bộ số liệu thứ cấp của dự án Correlation Coefficient) được sử dụng để so sánh sự tương nghiên cứu về cảm xúc và ý chí trong học ngoại ngữ của đồng của kết quả phân tích dữ liệu thang đánh giá giữa phần người Ukraine học tiếng Anh, công bố tại địa chỉ mềm RSM do nhóm nghiên cứu phát triển và phần mềm R https://osf.io/ejftx/ thuộc nền tảng trực tuyến mã nguồn mở (gói eRm). Khác biệt có ý nghĩa thống kê khi p
Tạp chí Y học Thành phố Hồ Chí Minh * Tập 27 * Số 5 * 2024 Với đặc điểm PS, kết quả phân tích thống kê mô tả (trung câu trả lời. Mức độ nhất quán chấp nhận được (nên chỉnh bình, độ lệch chuẩn, trung vị, min, max, skewness, kurtosis) sửa): 𑁛 = 0,62, KTC 95% từ 0,56 đến 0,67. của độ khó câu hỏi logit giữa phần mềm nghiên cứu và eRm Câu hỏi không phù hợp: FLA04, FLA05. cho thấy sự tương đồng rất cao ở đặc điểm PS (Bảng 1). Cụm WTC: Các giá trị Infit MSQ (Mean Square) đều nằm Hệ số tương quan Pearson giữa hai biến độ khó bằng 1 trong khoảng chấp nhận được (1,4), cho thấy tính (p
Tạp chí Y học Thành phố Hồ Chí Minh * Tập 27 * Số 5 * 2024 1. Chọn file dữ liệu khảo sát (.xls). Dòng đầu tiên chứa các tiêu đề cột 2. Chọn các câu hỏi trong đặc điểm khảo sát. Có 2 cách chọn: nếu các câu hỏi liền kề nhau có thể dùng chỉ số cột ứng với câu hỏi đầu tiên và chỉ số cột ứng với câu hỏi cuối cùng, hoặc điền vào tên các câu hỏi và phân cách tên các câu hỏi bằng dấu phẩy 3. Nếu có câu đảo giá trị : điền tên các câu đảo giá trị và phân cách bằng dấu phẩy 4. Nếu có nhiều câu hỏi trong khảo sát thì tỷ lệ độ rộng cho Histogram năng lực giảm đi 5. Sort theo độ khó câu hỏi tăng dần để trực quan hơn phân bố độ khó Hình 1. Giao diện người dùng của phần mềm Bảng 1. Đặc điểm các câu PS Hệ số α Câu hỏi Difficulty SE Infit Outfit Trung bình ĐLC Lưu ý nếu xóa PS01 -0,3288958 0,0615391 1,0919069 1,0967183 1,822 1,079 0,7256 PS02 0,9993226 0,0658007 1,0269302 0,9781811 1,131 1,016 0,70825 PS03 -0,8589281 0,0607525 0,9846391 0,9654665 2,123 1,125 0,69567 PS04 0,7337580 0,0646449 1,0362686 1,0682124 1,258 0,991 0,71339 PS05 -0,5452568 0,0611893 0,8802804 0,8847310 1,947 1,078 0,68762 Bảng 3, Đặc điểm các câu FLA Hệ số α Câu hỏi Difficulty SE Infit Outfit Miss Fit Trung bình ĐLC Lưu ý nếu xóa FLA01 -0,030231 0,040007 0,63264 0,62664 1,977 1,36 0,47917 FLA02 -0,005872 0,039965 0,86194 0,86779 1,951 1,373 0,54307 FLA03 0,114373 0,040162 0,79175 0,7855 1,793 1,423 0,49773 FLA04 0,0931083 0,040157 1,59515 1,7106 * 1,814 1,284 0,71078 * FLA05 0,0677308 0,040053 1,9738 2,3125 * 1,854 1,212 0,76695 * FLA06 -0,119184 0,040119 0,60789 0,61277 2,087 1,324 0,49041 FLA07 0,1251033 0,040236 0,79121 0,79567 1,774 1,436 0,49327 FLA08 -0,245029 0,040418 0,73556 0,72685 2,26 1,365 0,50611 Các câu có đánh dấu * có dấu hiệu misfit hoặc đáng lưu ý về hiện tượng đảo ngược https://doi.org/10.32895/hcjm.m.2024.05.19 https://www.tapchiyhoctphcm.vn | 161
Tạp chí Y học Thành phố Hồ Chí Minh * Tập 27 * Số 5 * 2024 Hình 2. Một số kết quả trực quan hóa xuất từ phần mềm nghiên cứu Đặc điểm PS: câu PS01 Đặc điểm PS: câu FLA01 Hình 3. Biểu đồ ICC một số câu điển hình Hình 4. Biểu đồ Wright của các đặc điểm PS, FLA, WTC 162 | https://www.tapchiyhoctphcm.vn https://doi.org/10.32895/hcjm.m.2024.05.19
Tạp chí Y học Thành phố Hồ Chí Minh * Tập 27 * Số 5 * 2024 đạt kết quả mong đợi. Kết quả so sánh với gói eRm của R cho 4. BÀN LUẬN thấy phần mềm đạt được sự phù hợp rất tốt, đồng thời giúp người dùng dễ dàng nhận biết các ưu điểm của RSM so với Kết quả nghiên cứu cho thấy phần mềm phân tích RSM trực phân tích CTT. Nghiên cứu cũng khẳng định RSM là một tuyến được phát triển đã đạt được sự tương đồng cao với gói phương pháp hiệu quả để hoàn thiện thang đo và so sánh năng eRm của R trong việc phân tích dữ liệu thang đo, thể hiện qua lực trong các nghiên cứu sử dụng thang đo Likert. các chỉ số thống kê mô tả, hệ số tương quan Pearson và phân tích ICC. Sự tương đồng này khẳng định tính chính xác và độ Phần mềm RSM trực tuyến này được kỳ vọng sẽ trở thành tin cậy của phần mềm nghiên cứu. Tuy nhiên, có một điểm một công cụ hỗ trợ hữu ích cho các nhà nghiên cứu trong lĩnh khác biệt nhỏ là phần mềm eRm không đưa trung bình độ khó vực giáo dục và tâm lý học trong việc đánh giá tính giá trị của câu hỏi về 0, trong khi phần mềm nghiên cứu thì có. Điều này thang đo cũng như phân tích và thu thập thông tin đầy đủ hơn có thể được giải thích bởi sự khác biệt về nền tảng lý thuyết về sự phù hợp của bộ câu hỏi với nhóm được khảo sát. Nhóm giữa hai phần mềm: eRm dựa trên phân tích IRT, trong khi phần nghiên cứu sẽ tiếp tục phát triển nâng cao tính năng phân tích mềm nghiên cứu dựa trên phân tích Rasch [8,9]. Ngoài ra, phần và báo cáo kết quả, cải thiện giao diện đồ họa người dùng và mềm cung cấp các công cụ trực quan hữu ích, chẳng hạn như mở rộng khả năng ứng dụng của phần mềm RSM trong lĩnh biểu đồ Wright, giúp người dùng dễ dàng đánh giá và diễn vực nghiên cứu y học và xã hội. giải kết quả phân tích. Các công cụ này là một điểm cộng cho phần mềm nghiên cứu so với eRm. Lời cảm ơn Phân tích Infit MSQ và hệ số Cronbach's Alpha cho thấy Chúng tôi xin chân thành cảm ơn nhà trường, quý thầy cô và tính nhất quán tốt của các cụm câu hỏi trong cả ba đặc điểm các em sinh viên đã ủng hộ, hợp tác và tạo điều kiện thuận lợi PS, FLA và WTC. Tuy nhiên, phân tích Wright Map cho thấy để thực hiện nghiên cứu. phạm vi phủ của 8 câu hỏi đặc điểm FLA còn hạn chế. Việc loại bỏ bớt câu hỏi FLA05 và FLA06 có thể giúp cải thiện Nguồn tài trợ phạm vi phủ này. Nghiên cứu này không nhận tài trợ. Đánh giá từ chuyên gia cũng cho thấy phần mềm nghiên cứu có nhiều ưu điểm như giao diện thân thiện, dễ sử dụng, Xung đột lợi ích gọn nhẹ, bảo mật, và đặc biệt phù hợp với người mới bắt đầu. Không có xung đột lợi ích tiềm ẩn nào liên quan đến bài viết Phần mềm này có tiềm năng trở thành một công cụ hữu ích này được báo cáo. cho việc phân tích dữ liệu khảo sát với thang đo đa mức tiện lợi cho người dùng, thay thế cho các phần mềm đòi hỏi nhiều kỹ năng lập trình chuyên sâu hơn như R. ORCID Vĩnh Sơn Mặt khác, nghiên cứu cũng chỉ ra một số hạn chế của phần https://orcid.org/0009-0005-4864-8601 mềm, chẳng hạn như mới chỉ được so sánh với eRm mà chưa được so sánh với các gói ứng dụng khác như TAM [10], số Phạm Thị Mai Huyền lượng phân tích còn hạn chế, chức năng tính toán hiệu ứng https://orcid.org/0009-0002-8385-8274 trần, hiệu ứng sàn và nhắm đích chưa hoàn thiện. Phạm Lê An Nhìn chung, phần mềm RSM trực tuyến đã đạt được những https://orcid.org/0000-0003-1186-0543 kết quả khả quan, nhưng vẫn cần được tiếp tục phát triển và Nguyễn Anh Vũ hoàn thiện để trở thành một công cụ phân tích dữ liệu mạnh https://orcid.org/0009-0003-7148-8840 mẽ và toàn diện hơn. Đóng góp của các tác giả 5. KẾT LUẬN Ý tưởng nghiên cứu: Phạm Thị Mai Huyền, Phạm Lê An Việc nghiên cứu và phát triển phần mềm RSM trực tuyến Đề cương và phương pháp nghiên cứu: Phạm Thị Mai Huyền, https://doi.org/10.32895/hcjm.m.2024.05.19 https://www.tapchiyhoctphcm.vn | 163
Tạp chí Y học Thành phố Hồ Chí Minh * Tập 27 * Số 5 * 2024 Nguyễn Anh Vũ 8. Hatzinger R, Mair P. Extended Rasch Modeling: The eRm Package for the Application of IRT Models in R. Thu thập dữ liệu: Phạm Thị Mai Huyền, Vĩnh Sơn, Nguyễn Journal of Statistical Software. 2007;20 (9):1-20. Anh Vũ 9. Mair P, Hatzinger R. CML based estimation of extended Giám sát nghiên cứu: Phạm Lê An Rasch models with the eRm package in R. Psychology Nhập dữ liệu: Phạm Thị Mai Huyền, Vĩnh Sơn Science. 2007;49(1):26-43. Quản lý dữ liệu: Vĩnh Sơn 10. Robinson M, Johnson A, Walton D, Macdermid J. A Phân tích dữ liệu: Phạm Thị Mai Huyền, Vĩnh Sơn, Nguyễn comparison of the polytomous Rasch analysis output of Anh Vũ RUMM2030 and R (ltm/eRm/TAM/lordif). BMC Medical Research Methodology. 2019;19(1):36. Cung cấp dữ liệu và thông tin nghiên cứu Tác giả liên hệ sẽ cung cấp dữ liệu nếu có yêu cầu từ Ban biên tập. TÀI LIỆU THAM KHẢO 1. Hambleton RK, Swaminathan H, Rogers HJ. Fundamentals of Item Response Theory; illustrated, reprint ed. SAGE Publications. 1991. 2. Hsueh IP, Wang WC, Sheu CF, Hsieh CL. Rasch analysis of combining two indices to assess comprehensive ADL function in stroke patients. Stroke. 2004;35(3):721-6. 3. Bond TG, Fox CM. Applying the Rasch Model: Fundamental Measurement in the Human Sciences. Lawrence Erlbaum. 2007. 4. Prieto L, Alonso J, Lamarca R. Classical Test Theory versus Rasch analysis for quality of life questionnaire reduction. Health Qual Life Outcomes. 2003;1:27. 5. Teresi JA. Different approaches to differential item functioning in health applications. Advantages, disadvantages and some neglected topics. Med Care. 2006;44(11 Suppl 3):S152-70. 6. Teresi JA, Fleishman JA. Differential item functioning and health assessment. Qual Life Res. 2007;16(S1):33-42. 7. Hagquist C, Bruce M, Gustavsson JP. Using the Rasch model in nursing research: an introduction and illustrative example. Int J Nurs Stud. 2009;46(3):380-93. 164 | https://www.tapchiyhoctphcm.vn https://doi.org/10.32895/hcjm.m.2024.05.19