Cara 1:
Ramai pelajar yg simply pilih dua kumpulan / kelas katakan X dan Y kemudian run pre-test lalu berkata.... yeayy... no significance different....
Cara 2:
Ada yang mengambil 2 kumpulan / kelas berbeza... dari sekolah berbeza kemudian run pre-test lalu berkata.... yeayy... no significance different.
Apabila ditanya... kedua2 kumpulan belum pun belajar apa yang diuji dalam pre-test, memanglah no significance different... sedang satu kumpulan berada dalam kelas "lebih pandai" dari satu kumpulan lagi... maka wjudlah bias dalam QED ini.
Cara 3:
Ini cadangan aku, QED memerlukan 2 kumpulan sebab sebenarnya anda ingin membandingkan 2 treatment / intervention. Jadi anda boleh gunakan banyak kumpulan utk bandingkan 2 treatment ini, bagi mengurangkan isu di atas.
Anda tadbirkan pre-test kepada katakan 8 kelas berbeza (A, B... G) dari 4 sekolah berbeza. Kemudian anda gunakan skor dan run ANOVA + post hoc utk ketahui kumpulan2 yang tidak signifikan. Katakan ada 4 kumpulan yang tak berbeza secara signifikan (A, C, D, G) maka anda boleh guna rawak mudah (random selection) mudah utk memilih 2 kumpulan katakan A, G dan kemudian gunakan rawak mudah (random assignment) utk tentukan mana kumpulan kawalan dan experiment.
Cara 4:
Jika ada buat PhD..... lakukan randomization spt Cara 3 bagi dapatkan 2 kumpulan kawalan (katakan A, D) serta 2 kumpulan eksperimen (C,G). Jalankan intervention kepada 2 kumpulan kawalan (A. D) wpun dalam kelas berbeza, maknanya anda perlu mengajar kedua2 kelas tersebut (pada waktu berlainan). Lakukankan juga kepada kumpulan eksperimen (C, G) secara berasingan.
Anda cuma perlu mendapatkan mean score yang menggabungkan score kumpulan A,D berbanding dgn mean score gabungan core kumpulan C,G. Wpun anda perlu mengajar banyak kali sebab ada byk kumpulan, ini lebih rigourous dari cara 1 atau 2.
Cara 3 dan 4 Ini lebih rigourous kerana ada unsur "group randomization" walaupun anda tidak boleh lakukan individual randomization sebagaimana true experimental design.. ini cadangan aku.. selain itu anda boleh dapatkan variable yang dapat mengurangkan bias dan run analisis ANCOVA.
Tapi bro.... Cara 3 dan 4 tu cam tak der dalam buku jer?
Ilmu tu kan perlu berkembang.... creativity perlu bercambah... idea perlu diperkemas... asal berasaskan konsep yang betul... malah lebih baik...
OT
Ramai pelajar yg simply pilih dua kumpulan / kelas katakan X dan Y kemudian run pre-test lalu berkata.... yeayy... no significance different....
Cara 2:
Ada yang mengambil 2 kumpulan / kelas berbeza... dari sekolah berbeza kemudian run pre-test lalu berkata.... yeayy... no significance different.
Apabila ditanya... kedua2 kumpulan belum pun belajar apa yang diuji dalam pre-test, memanglah no significance different... sedang satu kumpulan berada dalam kelas "lebih pandai" dari satu kumpulan lagi... maka wjudlah bias dalam QED ini.
Cara 3:
Ini cadangan aku, QED memerlukan 2 kumpulan sebab sebenarnya anda ingin membandingkan 2 treatment / intervention. Jadi anda boleh gunakan banyak kumpulan utk bandingkan 2 treatment ini, bagi mengurangkan isu di atas.
Anda tadbirkan pre-test kepada katakan 8 kelas berbeza (A, B... G) dari 4 sekolah berbeza. Kemudian anda gunakan skor dan run ANOVA + post hoc utk ketahui kumpulan2 yang tidak signifikan. Katakan ada 4 kumpulan yang tak berbeza secara signifikan (A, C, D, G) maka anda boleh guna rawak mudah (random selection) mudah utk memilih 2 kumpulan katakan A, G dan kemudian gunakan rawak mudah (random assignment) utk tentukan mana kumpulan kawalan dan experiment.
Cara 4:
Jika ada buat PhD..... lakukan randomization spt Cara 3 bagi dapatkan 2 kumpulan kawalan (katakan A, D) serta 2 kumpulan eksperimen (C,G). Jalankan intervention kepada 2 kumpulan kawalan (A. D) wpun dalam kelas berbeza, maknanya anda perlu mengajar kedua2 kelas tersebut (pada waktu berlainan). Lakukankan juga kepada kumpulan eksperimen (C, G) secara berasingan.
Anda cuma perlu mendapatkan mean score yang menggabungkan score kumpulan A,D berbanding dgn mean score gabungan core kumpulan C,G. Wpun anda perlu mengajar banyak kali sebab ada byk kumpulan, ini lebih rigourous dari cara 1 atau 2.
Cara 3 dan 4 Ini lebih rigourous kerana ada unsur "group randomization" walaupun anda tidak boleh lakukan individual randomization sebagaimana true experimental design.. ini cadangan aku.. selain itu anda boleh dapatkan variable yang dapat mengurangkan bias dan run analisis ANCOVA.
Tapi bro.... Cara 3 dan 4 tu cam tak der dalam buku jer?
Ilmu tu kan perlu berkembang.... creativity perlu bercambah... idea perlu diperkemas... asal berasaskan konsep yang betul... malah lebih baik...
OT
No comments:
Post a Comment