Name: 旨在评估大学服务学习质量的评定量表工具的定性和定量验证 (视频) | JoVE Journal
Uploaded: 2025-08-29T14:10:00.000+00:00
Duration: 10 min 39 s
Description: 了解QaSLu量表工具的定性与定量验证方法，用于评估大学服务学习质量。该工具结合德尔菲法与稳健无加权最小二乘探索性因子分析，确保科学严谨性与简洁性。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

作者谨向智利国家科学技术研究委员会（CONICYT Fondecyt/Initiation）表示感谢，同时也感谢所有通过德尔菲法参与定性验证的专家，以及所有参与定量验证和评分的人员。

作者无任何利益冲突需要披露。

用于仪器验证的方法具有多项优势。德尔菲法有助于收集专家小组的见解，从而系统地整理这些信息以供分析。该方法可根据专家的评估和建议对回答进行选择和优化32,47,48,49。此外，该方法在相对较短的时间内即取得了显著成果48。另外，在咨询轮次的实施阶段采用了改良的&#34;在线&#34;德尔菲法，因为咨询通过电子邮件进行。这一调整解决了传统德尔菲法所存在的局限性30,31,50,51,52,<su...

服务学习（Service-Learning，简称SL）是一种将学术学习与社区服务相结合的教育模式，近年来在当代教育中日益受到重视。这种教学方法使学生能够将课堂所学知识应用于现实世界的挑战，同时培养公民责任感和社区参与意识1。SL在当前教育中的重要性不容忽视，因为它不仅帮助学生掌握实用的专业能力，促进公民参与，还加深了他们对社会问题的理解2。
近年来，服务性学习（SL）的研究显著增长，这得益于人们 increasingly 认识到其在促进学术学习和社区参与方面的潜力。这一发展势头源于社会对教育模式日益增长的需求，这些模式不仅促进学术发展，还能应对社会挑战3。研究者已探讨了服务性学习的多种影响，从推动社会正义到培养学生公民意识4。此外，服务性学习的研究 increasingly 聚焦于其在特定领域的应用，如 STEM、医疗保健和环境科学，在这些领域中，解决现实世界的问题至关重要5,6,7。随着相关文献不断积累，研究者也开始探索服务性学习如何有效弥合理论与实践之间的差距，使其对学生及其所服务的社区都具有实际意义8。
然而，尽管服务学习项目的作用日益凸显，但在衡量其有效性方面仍存在重大挑战9。目前已有多种以评分量规形式提出的评估方案，例如 Furco10、Martín 等人11、Lorenzo 和 Belando-Montoro12、Shek 等人13，以及 Lu 和 Lambright14 提出的量规，这些方案尽管在实地研究中已被证明具有实用价值，但尚未经过充分验证。另一方面，其他一些方案，如 Escofet-Roig 等人15、Rodríguez-Izquierdo16、León-Carrascosa 等人17、Ruiz-Ordoñez 等人18、Santos-Pastor 等人19, 以及 Gul 等人20 提出的工具，则缺乏定性验证，或仅具有极为有限的定量验证。以往评估工具中观察到的其他不足之处还包括：未对评估因素和条目进行优化以符合简约性原则，以及完全缺乏评分量表。这种情况在新兴科学领域较为普遍，也是所有研究领域在发展出适用于广泛使用的最佳工具过程中所经历的自然阶段。
在创建《大学服务性学习体验自评问卷》（QaSLu）以从大学教师的角度评估大学层面服务性学习（SL）体验质量时，已有的被广泛认可并用于界定服务性学习质量标准的工具主要包括：Campo（2015）21、Europe Engage（2017）22、GREM（2014）23、RMC Research Corporation（2008）24、Puig-Rovira、Martín 和 Rubio-Serrano（2017）25，以及 Rubio-Serrano、Puig-Rovira、Martín 和 Palos（2015）26。尽管目前已有更多评估工具出现，但现有的测量工具往往难以充分捕捉与这些项目相关的广泛且细致的学习成果，尤其是在长期个人成长和社区影响方面，部分工具被发现过于宽泛，或缺乏严谨的科学理论框架支持9,27。这一测量工具上的缺失限制了人们对服务性学习对学生及社区所产生的影响进行全面理解与优化的能力。
推进服务学习（SL）研究的下一步是开发具有科学严谨性的测量工具。这些工具不仅应能够捕捉学术成果，还应能够评估服务学习对学生及其所服务社区产生的个人与社会影响。本研究旨在通过创建一个基于科学严谨性的评估工具，弥补这一空白，从而对服务学习项目进行更全面的评估，并指导其未来的实施。
除了研制仪器外，还将对其进行验证，首先进行定性验证，然后进行定量验证。初步验证将采用改良的在线德尔菲法28。术语&#34;改良&#34;指的是Cabero提出的将德尔菲法限制为两轮咨询的建议，以避免专家小组成员中途退出。术语&#34;在线&#34;由Cruz-Ramírez和Rúa-Vásquez29提出，强调咨询通过电子邮件进行，因为互联网有助于克服传统德尔菲法中存在的一些固有局限性，例如群体思维或权威专家意见的影响，这些因素可能影响条目的筛选30,31。
采用改进的在线德尔菲法，将评估两种效度：构念效度和内容效度。构念效度将参照Bakieva等人的研究32所提出的流程，通过咨询专家对每个条目的相关性进行评价；内容效度则基于Gil和Pascual-Ezama的研究33，通过专家咨询评估每个条目的清晰程度。
专家将获得一个包含四个选项的李克特量表（无、较少、较多、非常多）。由于未设置任何中间选项，专家必须对每个条目明确表示支持或反对34，从而有助于决策是否在问卷中保留或删除相应条目。
在定量验证方面，其依据是简约性原则，这是科学中的一个基本原理，即在相同条件下，面对一个科学问题时，最简短的解决方案更可取35,36。因此，寻找最短且经过优化的有效测量工具具有同等的科学保障，同时更具实用性、可推广性，并适用于真实情境中的日常应用，且不牺牲其可靠性或有效性。将采用验证性因子分析（Confirmatory Factor Analysis, CFA）37 和稳健未加权最小二乘法（Robust Unweighted Least Squares, RULS）探索性因子分析38,39 作为分析技术，以剔除不必要的条目，并验证最终的量表结构。拟合指数和信度指数被用作评估新结构相对于原有结构有效性的指标，参考标准是保持或提升优化后量表的信度与效度，使其达到能够保证精简优化后问卷新结构充分性和稳健性的水平。

<table><tbody><tr><td>Encuestafacil.com 软件即服务</td><td>Encuestafacil.com</td><td>2025</td><td>在 Encuestafacil.com 私有数据服务器上运行的软件即服务</td></tr><tr><td>因子分析</td><td>罗维拉-威尔吉利大学</td><td>12.06.07</td><td>用于数据因子分析的软件包</td></tr><tr><td>社会科学统计软件包（SPSS）</td><td>IBM</td><td>24</td><td>用于数据分析的统计软件包</td></tr></tbody></table>

定性与定量验证用于评估高校服务性学习质量的量表类工具

Qualitative and Quantitative Validation of Tools with Rating Scales Aimed at Assessing the Quality of University Service-Learning

服务学习（Service-Learning, SL）近年来已成为一种高效的学习方法，能够弥合理论与实践之间的差距，并将学习置于真实世界的情境之中。该方法已在高等教育各个层面成功实施，显著提升了大学生的各项能力。然而，作为一种具有变革性的教学方法，SL 在评估方法的发展上仍处于初级阶段。因此，迫切需要设计并验证可靠且尤其是有效的测量工具，因为将 SL 应用于现实情境正是其核心价值所在。本文展示了如何在简约性原则的指导下，从大学教师的视角出发，优化设计并验证用于评估大学层面 SL 实践质量的测量工具。研究采用在线改良版德尔菲法、稳健未加权最小二乘探索性因子分析以及验证性因子分析，开发出一种新的测量工具 QaSLu-27。该工具通过16位专家参与的在线改良版德尔菲法以及118名实施 SL 项目的大学教师样本进行了验证。结果显示，该新工具具有优良的心理测量学特性（W = 0.11；α = 0.92；CMIN/DF = 1.027；CFI = 0.979；WRMR = 0.0985；RMSEA = 0.046），并由此开发出新的评分量表，可用于比较未来使用该方法的用户，同时考虑其归因特征和人口统计学特征。设计出可应用于真实场景并支持量表构建的新一代经过验证的测量工具，将极大有助于衡量 SL 新实践的实施情况，评估其进展、参与者、管理者及督导人员，推动该研究领域在当前学术体系中的确立，并促进新科学知识的产生。

在完成这一严格的定性-定量验证流程后，我们开发出一种可靠、优化且简洁的工具，用于大学生服务性学习体验的自我评估，命名为QaSLu（高等教育服务性学习体验自我评估问卷）。该最终版本的工具已通过德尔菲法获得16位服务性学习（SL）领域专家的定性认可，历经两轮在线咨询与修改；同时，基于118名具有服务性学习专业背景的大学教授的样本数据，通过验证性因子分析以及稳健未加权最小二乘法探索性因子分析，完成了坚实的定量验证38,41,42。最终，这一耗时且复杂的定性-定量验证过程成功构建出若干评分量表，可用于确立针对高校人群的比较性基准，并可根据年龄、性别、学术水平、高校服务性学习经验、在干预活动中的主要角色、服务接收机构或组织、服务性学习活动的主要服务对象群体，以及是否通过数字媒体开展服务性学习等变量进行调整。
首先，关于通过德尔菲法进行的定性验证，研究进行了初步优化，将QaSLu的54个原始条目精简为一个包含...

本文概述了一种遵循简约性原则的大学服务学习测量工具定性与定量验证方案，旨在创建尽可能稳健且最优的版本。为此，采用了德尔菲法进行定性验证，并采用稳健未加权最小二乘探索性因子分析作为定量项目优化方法。

近年来，服务学习（Service-Learning, SL）已成为一种高效的学习方法，有效弥合了理论与实践之间的鸿沟，同时……

在新兴的大学服务学习领域，我们缺乏兼具可靠性与有效性、定性与定量相结合且足够简明而易于使用的标准化工具。引入评分和量表可实现不同专业人员之间的比较，以评估大学服务学习的质量。目前尚无其他工具能够实现这一目标。QaSLu 是首个通过严格定性与定量验证流程、并遵循简约性原则所开发的仪器。它篇幅简短，但具有极高的科学严谨性。本方案为开发具备有效性、稳健性和实用性的新型科学仪器指明了方向。不仅限于服务性学习，也包括更广泛的教育领域。我们计划为其他不同群体创建新的评分标准和量表，并扩大参与样本，以进一步提升 QaSLu 的评估价值，使其适用于不同情境。首先，在台式计算机上创建 QaSLu 的第一版草案。对用于评估服务学习体验的主要工具中的条目进行内容分析。审阅来自国际工具的条目，这些工具定义了质量标准，并涵盖服务学习专家领域公认的主要评分量规。根据设计服务学习体验所涉及的阶段（如设计、实施和评估）对所有条目进行分类。然后根据服务性学习的应用阶段对所有项目进行分类，例如初始阶段、规划阶段、实施阶段、结项阶段以及复制推广阶段。选取大量在大学服务性学习领域具有专长的专家，对初步编制的测量工具进行评估。组建最终的专家小组，对用于评估美国服务性学习（USL）的定型化测量工具进行评价，专家名单应涵盖学术与专业背景的多样性、地理分布的多样性以及性别的多样性。收到第一轮专家的数据后，依次点击“分析”、“非参数检验”、“旧对话框”和“K个相关样本”，以计算相关性 Kendall 协和系数。在“检验类型”下选择 Kendall's W。然后选择所有专家关于相关性和清晰度的反馈。将条目移至“检验变量”列表，然后点击“确定”以运行分析。在收到第二轮专家反馈后，重新评估之前计算的肯德尔和谐系数，并删除被评为高度不相关的条目。对被认为高度相关但表述不清的条目进行重新表述，以改进措辞和精确性，最终形成《大学服务性学习体验自我评估问卷》QaSLu-45 的最终版本。获得足够数量的完整问卷后，使用统计软件包一评估问卷的内部一致性。依次点击“分析”、“量表”，然后选择“可靠性分析”。在对话框中选择“Alpha”，随后将所有相关变量移入可靠性分析对话框，点击“确定”以生成结果。在统计软件包一中进行探索性因子分析：打开“分析”，然后点击“降维”，接着选择“因子”。在因子分析对话框中，将所有问卷条目移入变量框，然后点击“描述统计”和“KMO与巴特利特球形度检验”，并选择“单变量描述统计”。点击继续。接下来，点击“提取”，并选择“主成分”作为提取方法。勾选“未旋转的因子解”和“碎石图”选项，然后点击“继续”，再点击“确定”以生成结果。识别出与主成分呈反向关系的需删除条目。根据探索性因子分析结果中获得的成分矩阵，标记在主因子上具有负荷载的条目，并将其从QaSLu简化优化的单因子版本中剔除。接下来，使用统计软件包二进行验证性因子分析，以评估单因子模型的拟合优度。选择“读取数据”，在样本对话框中点击“浏览”，并选择先前创建的ASCII数据文件。确认在“数据矩阵大小”中显示的参与者数量和变量数量为绿色。现在点击“打开单组数据集”并返回主菜单。在主菜单中点击“配置分析”，然后在对话菜单中勾选“验证性因子分析”，点击“确认”，进入“CFA：因子分析配置”窗口。接受默认设置，然后单击“确认”返回主菜单。当出现“验证性因子分析已就绪！”消息时，单击“计算”按钮并等待结果。接下来，打开统计软件包 two，以执行稳健的未加权最小二乘法探索性因子分析。选择“读取数据”，然后在样本对话框中点击“浏览”，并选择先前创建的 ASCII 文件。参与者和变量的数量将在“数据矩阵大小”部分以绿色显示。现在，单击“打开单组数据集”图标以返回主菜单。在主菜单中，单击“配置分析”，然后在对话菜单中选择“探索性因子分析”，并单击“确认”按钮。在探索性因子分析配置菜单中，选择被确定为与主成分呈反向关系的项目，并将其移至“排除变量”框中。现在，勾选皮尔逊相关矩阵和平行分析选项，将因子或主成分数量设置为1，并选择稳健因子分析。单击确认返回主菜单，然后单击计算以生成结果。为了识别需要删除的条目（其抽样适切性度量或MSA得分低于0.49），请查阅使用统计软件包二对QaSLu进行RULS探索性因子分析所得的结果，特别是条目位置和条目适切性指数，并从简化优化的单因子版本QaSLu中剔除这些条目。在统计软件包中，通过选择“转换”菜单并点击“计算变量”来创建一个不含已删除条目的新变量。将新变量命名为 SUM 27，然后选择 SUM 函数，并使用优化后的条目列表完成数值表达式。单击“确定”以生成新变量 SUM 27。通过选择“分析”，然后选择“描述性统计”和“频率”，计算 SUM 27 的百分位数。将 SUM 27 移至“变量”框，然后单击“统计”图标。选择“百分位数”，并添加 1、5、15、25、35、45、55、65、75、85、95 和 99。单击“继续”，然后单击“确定”以生成百分位数。通过单击“拆分文件”图标并选择每个相关变量，然后选择“按组组织输出”，对每个评分量表重复上述百分位数计算过程。单击箭头按钮，然后按“确定”，以生成 SUM 27 的分组百分位数。为每个评分量表创建表格时，首先添加一个标题行，以及对应于“低”、“中低”、“中”、“中高”和“高”等级的行，并包含指定的百分位数子行。在标题行中，添加“等级”列、“百分位数”列，以及代表所选变量各条件的额外列。根据计算出的百分位数，将分数范围填入各表格中以完成表格内容。根据研究中使用的评分量表，将参与样本所得结果与既定的比较标准进行对照。每个类别的不同等级由其间的中间值构成。例如，第50百分位数是根据第45百分位数和第54百分位数的得分计算得出的。除第1和第99百分位外，所有等级均显示完全有界的范围，对应于第4和第95百分位，以及任何可能的分数调整。通过根据用户特征选择相应的评分量表，这些量表均可用于比较各视角用户的得分。

qualitative-quantitative-validation-tools-with-rating-scales-aimed-at

Research

科研

JoVE Journal

Behavior

行为

旨在评估大学服务学习质量的评定量表工具的定性和定量验证

本文讨论并应用了通过可定制评估量规来测量学生学习成果的结构与流程，该方法应用于博士护理教育项目。...

使用学习成果评估指标评估护理学博士教育

本研究提出了一种多模态评估方案，重点关注构成学习障碍成人困难基础的元认知、学习自我调节以及情绪过程。...

评估学习困难成人元认知与自我调节能力的多模态方案

本文介绍了一种针对健康科学专业学生（20-56岁）基于项目学习方法的行为分析方案。该方案通过监测工具，促进对参与者在纯在线学习（e-Learning）与混合式学习（b-Learning）模式下表现的比较。研究结果采用教育数据挖掘和定性分析技术进行分析。...

面向健康科学专业学生的项目式学习指南：基于数据挖掘与定性技术的分析

本文描述了三种新的行为学测试方法（前肢步态交替测试、姿势不稳测试、意面抓取测试），用于评估啮齿类动物颈段脊髓损伤后的前肢功能。...

评估单侧颈髓损伤后前肢功能的新型任务：肢体交替步态、姿势不稳定性和意大利面取物操作

在无语言能力或脆弱的儿科患者中，对感觉处理进行客观且简便的测量极为困难。我们开发了一种新方法，可定量评估婴儿和儿童对轻触觉、语音声音以及这两种刺激多感官处理的皮层加工过程，且无需受试者主动参与，也不会对脆弱患者造成不适。...

残疾儿童皮层听觉-触觉加工的定量评估

我们提出一种方法，通过使用fNIRS记录自然任务期间的功能性脑活动，并与fMRI记录的活动进行比较。...

自然任务中fNIRS测量的fMRI验证

本文描述了一种可量化大鼠前臂旋后动作的半自动化任务。大鼠伸手抓握并旋动一个球形操作装置。如果旋转角度超过用户设定的阈值，大鼠将获得一粒食物奖励。与传统任务相比，该任务提高了实验通量、对损伤的敏感性以及结果的客观性。...

旋钮旋后任务：一种评估大鼠前肢功能的半自动化方法

本文介绍了进行言语操作分析（VOA）、计算刺激控制比率方程（SCoRE）以及制定个体化言语行为治疗方案的步骤，这些方法特别适用于解决自闭症特征性的缺陷问题。...

使用刺激控制比率方程（SCoRE）建模言语行为缺陷

本文提出了一种关于店内搜索过程的新概念模型——3S模型，该模型从三个不同的分析层次捕捉顾客的视觉注意力：商品（Stock）、货架（Shelf）和商店（Store）。我们通过三项眼动追踪研究展示了该概念模型的有效性，每项研究分别对应3S模型中的一个分析层次。...

运用3S模型聚焦顾客在货盘、货架及门店层面的视觉注意力

亚震荡性足球头球模型是一种安全且简洁的方法学手段，用于分离并测量亚震荡性头部冲击的影响。...

体内控制性亚震荡性头部冲击实验方案用于验证现场研究数据

了解QaSLu量表工具的定性与定量验证方法，用于评估大学服务学习质量。该工具结合德尔菲法与稳健无加权最小二乘探索性因子分析，确保科学严谨性与简洁性。

定性与定量验证用于评估高校服务性学习质量的量表类工具

探索更多视频