مدل‌‌های چند سطحی در علوم انسانی: مطالعه موردی داوطلبان آزمون سراسری

نوع مقاله: مقاله پژوهشی

نویسنده

استادیار سازمان سنجش آموزش کشور

چکیده

در بسیاری از مطالعات علمی و پژوهشی در تمامی علوم و به ویژه در علوم انسانی مایلیم تأثیر متغیرها بر هم و یا پیش‌بینی یک متغیر براساس گروهی دیگر از متغیرها را بررسی کنیم. این عمل در مباحث آماری اغلب با ارائه مدل‌‌های آماری مناسب امکان‌پذیر است. مدل‌‌های آماری مختلفی تاکنون ارائه شده است که یکی از آنها که در دهه‌‌‌های اخیر مورد استقبال صاحب نظران علوم انسانی قرار گرفته، مدل‌‌های چند سطحی است. در این نوع مدل، به جای ثابت فرض کردن ضرایب مدل، در مدل‌‌های آماری یک سطحی، این ضرایب متغیر در نظر گرفته می‌شوند در نتیجه، تأثیرات تعاملی بین متغیر‌های سطح کلان و سطح خرد، که معمولاً در تحقیقات علوم انسانی به وفور یافت می‌شود، مدنظر قرار می‌گیرد و اریبی برآورد پارامترها که از نمونه‌گیری خوشه‌ای ناشی می‌شود تا حد بسیار زیادی در مقایسه با مدل‌‌های یک سطحی اصلاح می‌شود. در این مقاله، به معرفی مدل‌‌های چند سطحی و ارائه کاربردها، مزایا و مشکلات این مدل ها پرداخته می‌شود و با به کارگیری مدل سه سطحی، نقش متغیر‌های مختلف تشکیل دهنده موقعیت‌‌های اجتماعی - اقتصادی در عملکرد تحصیلی (نمرة کل) مناسب برای ورود به دانشگاه‌ها و مؤسسات آموزش عالی در طی زمان تحلیل می‌شود. در این مثال، میزان تأثیر عوامل تشکیل دهندة این موقعیت‌ها مشتمل بر تحصیلات پدر و مادر، شغل پدر، سطح درآمد در جنسیت‌‌های مختلف، با در نظر گرفتن وضعیت بخش و استان محل اقامت داوطلبان در گروه‌ آزمایشی علوم تجربی، در آزمون سراسری ورود به آموزش عالی ایران طی سال‌‌های 1380 تا 1388بررسی می‌شود.

کلیدواژه‌ها


امیرکافی، مهدی (1385). اهمیت و منطق مدل‌‌های چند سطحی در تحقیقات اجتماعی. مجلة جامعه شناسی ایران، دوره هفتم، شماره 4 (71-38).

- پورکاظمی، محمدحسین (1379). طبقه‌بندی بخش‌ها و استان‌های کشور براساس شاخص‌های فرهنگی، آموزشی، اقتصادی، بهداشت، سازمان سنجش آموزش کشور، تهران، گزارش پژوهشی شماره 41.

- جمالی، احسان (1391). روند تأثیر موقعیت اقتصادی و اجتماعی بر عملکرد تحصیلی داوطلبان آزمون سراسری طی سال‌های 1380 تا 1388. مجلة آموزش عالی، شماره 16 (56-25).

- کوی، لوتان (1378). آموزش و پرورش «فرهنگ‌ها و جوامع». ترجمة محمد یمنی ‌دوزی سرخابی، تهران، انتشارات دانشگاه شهید بهشتی، چاپ اول.

- نادری، ابوالقاسم (1381). الگوسازی چند سطحی و کاربرد‌های آن در اقتصاد. دانشکده اقتصاد دانشگاه علامه طباطبایی، مجموعه مقاله‌‌های اولین همایش معرفی و کاربرد مدل‌‌های ناخطی.

 

-     Banks, Kevin (1996). Family Learning Environments and Student's Outcomes: A Review. Journal of Comparative Family Studies, 27 (2), PP. 373-394.

-     Bryk, A., & Raudenbush, S. W (1992). Hierarchical Linear Models for Social and Behavioral Research: Applications and Data Analysis Methods. Newbury Park, CA: Sage.

-     Gelman, A., & Hill, J (2007). Data Analysis Using Regression and Multilevel Hierarchical Models. New York, Cambridge University Press.

-     Harvey Goldstein (1999). Multilevel Statistical Model. Institute of Education, Multilevel Models Project.

-     Jennifer, Barry (2006). The Effect of Socio-Economic Status on Academic Achievement. Wichita State University.

-     Jeynes, William H (2002). Examine the Effects of the Academic Achievement of Adolescents: the Challenge of Controlling for Family Income. Journal of Family and Economic; VO 23, No.2, PP.189-210.

-     Kalmijn, M & Kraaykamp, G (1996). Race, Cultural Capital, and Schooling: An Analysis of Trends in the United States. Sociology of Education 69 (1):22-34.

-     Philip Holmes-Smith (2006). School Socio-Economic Density and Its Effect on School Performance. School Research Evaluation and Measurement Service.

-     Raudenbush, S. W., & Bryk, A. S (2002). Hierarchical Linear Models: Applications and Data Analysis Methods. Second Edition. Newbury Park, CA: Sage.

-     Raudenbush, S. W., & Chan, W.S (1993). Application of Hierarchical Linear Models to Study Adolescent Deviance in an Overlapping Cohort Design. Journal of Clinical and Consulting Psychology, VO 61, NO 6, pp. 941-951.

-     Snijders T. & Bosker R (2000). Multilevel Analysis. Sage.

-     St.Lucia (2008). Factors Influencing the Decision of Students from Low Socio-Economic Backgrounds to Enroll in Higher Education. Research by the Equity Office the University of Queensland.

-     Stephen W. Raudenbush, Anthony Bryk, Richard Congdon (2004). HLM 6: Hierarchical Linear and Nonlinear Modeling. Scientific Software International, Inc.

-     Stephen W. Raudenbush, Anthony S. Bryk (2002). Hierarchical linear models: applications and data analysis methods (Advanced Quantitative Techniques in the Social Sciences). Sage publication, Inc.

-     Tom A. B. Snijders and Roel J. Bosker, (2004). Multilevel Analysis. SAGE, Publications, London.