TÜRK ÖĞRENCİLERİN PISA-2015 PERFORMANSININ ÇOK SEVİYELİ YAPISAL EŞİTLİK MODELLEMESİ İLE ANALİZİ

Uluslararası Öğrenci Değerlendirme Programı (PISA), Ekonomik İşbirliği ve Kalkınma Örgütü (OECD) tarafından finanse edilen uluslararası bir araştırmadır. PISA araştırması, 2000 yılından beri her üç yılda bir 15-16 yaş arası öğrencilerin eğitim kalitesini değerlendirmek ve ölçmek amacıyla gerçekleştirilmektedir. PISA araştırması, öğrencilerin Fen Bilimleri, Matematik ve Okuma Becerilerinde öğrendikleri tanım kavramını kullanarak başarılarını değerlendirmeyi amaçlamaktadır. PISA 2015 araştırmasında, öğrencilerin Fen Bilimleri okuryazarlığı incelenmiştir. Çok seviyeli yapısal eşitlik modellemesi (MSEM), karmaşık veri yapısına sahip modellerin analizinde kullanılan çok seviyeli bir istatistiksel analizdir. Günümüzde, PISA, TIMSS ve PIRLS gibi birçok projeden elde edilen veriler karmaşık ve hiyerarşik bir yapıdadır. MSEM nalizi hiyerarşik veriler için gereklidir. Bu çalışmanın amacı, Türk öğrencilerin 2015 PISA araştırması Fen Bilimleri okuryazarlığı için MSEM analizi kullanılarak oluşturulan modeli analiz etmek ve katılımcı ülkelerin öğrencileri arasında birinci sırada yer alan Singapurlu öğrenciler ile karşılaştırmaktır. Türk ve Singapurlu öğrenciler, MPlus paket programı kullanılarak analiz edilmiştir. Her iki ülke için oluşturulan modellerin iyi uyum gösterdiği gözlenmiştir.

ANALYSIS OF PISA-2015 PERFORMANCE OF TURKISH STUDENTS BY MULTILEVEL STRUCTURAL EQUATION MODELING

The Programme For International Student Assesment (PISA) is an international survey funded by the Organization ofEconomic Cooperation and Development (OECD). PISA survey is conducted every three years since 2000, to measure andevaluate the educational quality of students aged between 15 and 16. PISA survey is aimed to evaluate students'achievements through the concept of description that they have learned in Science, Mathematics and Reading Skills. In PISA2015 survey, Science literacy performance of the students were examined. Multilevel Structural Equation Modeling is amultilevel statistical analysis technique used in the analysis of models with complex data structure. Nowadays, , dataobtained from many projects such as PISA, TIMSS, and PIRLS, have a complex and hierarchical structure. The MSEManalysis is needed for hierarchical data. The aim of this study is to analyze the created model for PISA 2015 Science LiteracyPerformance of the Turkish students by using MSEM analysis comparing with the Singaporean students which are the firstrank amongst participating countries’ students. Turkish and Singapore students were analyzed by using Mplus packageprogram. It has been observed that the model established for both countries is in good fit.

PDF

___

[1] Taş, U.E., PISA 2015 ulusal raporu, Ankara, MEB, 2016.
[2] OECD. 2016, PISA 2015 Results (Volume I).
[3] Barrett, P., “Structural equation modelling: Adjudging model fit”, Personality and Individual Differences, Vol.42 No.5, 815-824, 2007.
[4] Cha, E., Sanderson, M., Renter, D., Jager, A., Cernicchiaro, N., Bello, N.M., “Implementing structural equation models to observational data from feedlot production systems”, Preventive veterinary medicine, Vol.147 163-171, 2017.
[5] Alkış, N., “Bayes Yapısal Eşitlik Modellemesi: Kavramlar ve Genel Bakış”, Gazi İktisat ve İşletme Dergisi, Vol.2 No.3, 105-116, 2016.
[6] Acar, T. Öğretmen, T., “Çok düzeyli istatistiksel yöntemler ile 2006 PISA fen bilimleri performansının incelenmesi”, Eğitim ve Bilim, Vol. 37 No.163, 178-189 2012.
[7] Davidov, E., Dülmer, H., Schlüter, E., Schmidt, P., Meuleman, B., “Using a multilevel structural equation modeling approach to explain crosscultural measurement noninvariance”, Journal of Cross-Cultural Psychology, Vol.43 No.4, 558-575, 2012.
[8] Holtmann J., Koch T., Lochner K., Eid M., “A Comparison of ML, WLSMV, and Bayesian Methods for Multilevel Structural Equation Models in Small Samples: A Simulation Study”, Multivariate behavioral research, Vol. 51 No. 5, 661-680, 2016.
[9] Hox, J.J., van de Schoot, R. Matthijsse, S., “How few countries will do? Comparative survey analysis from a Bayesian perspective”, Survey Research Methods, Vol.6 No.2, 87-93, 2012.
[10] Peugh, J. L. ve Enders, C. K., “Specification searches in multilevel structural equation modeling: A Monte Carlo investigation”, Structural equation modeling, Vol.17 No.1, 42-65, 2010.
[11] Goldstein, H., Bonnet, G. ve Rocher, T., “Multilevel structural equation models for the analysis of comparative data on educational performance”, Journal of Educational and Behavioral Statistics, Vol. 32 No. 3, 252-286, 2007.
[12] Can, S., Somer, O., Korkmaz, M., Dural, S., Öğretmen, T., “Çok Düzeyli Yapısal Eşitlik Modelleri”, Türk Psikoloji Dergisi, Vol.26 No.67, 14-21, 2011.
[13] Atar, H.Y., “Öğretmen niteliklerinin TIMSS 2011 fen başarısına çok düzeyli etkileri”, Eğitim ve Bilim, Vol.39 No.172, 121-137, 2014.
[14] Kaplan, D., Structural equation modeling: Foundations and extensions, (Vol. 10), Sage Publications, 2008.
[15] Heck, R. H., (Editors Marcoulides, G.A., Schumacker, R.E.), “Multilevel modeling with SEM”, New developments and techniques in structural equation modeling, 89-127, 2001.
[16] Hox, J.J., Multilevel analysis: Techniques and applications, Lawrance Erlbaum Associates Inc. Publishers, New Jersey, 2002.
[17] Hox, J.J., Applied multilevel analysis, TT-publikaties, Amsterdam, 1995.
[18] Dyer, N.G., Hanges, P.J. , Hall, R.J., “Applying multilevel confirmatory factor analysis techniques to the study of leadership”, The leadership quarterly, Vol.16 No.1, 149-167, 2005.
[19] Hoyle, R.H., Structural equation modeling: Concepts, issues, and applications, Sage, London, 1995.
[20] Schreiber, J. B., “Core reporting practices in structural equation modeling, Research in social and administrative pharmacy, Vol.4 No.2, 83-97, 2008.
[21] Lee, S.Y., Song, X.Y., “Structural Equation Models A2” - Peterson, Penelope, In E. Baker, B. McGaw (Eds.), International Encyclopedia of Education (Third Edition), Oxford, Elsevier, 453-458, 2010.
[22] Taşkın, Ç., Akat, Ö., Araştırma yöntemlerinde yapısal eşitlik modelleme: LISREL ile marka değeri ölçümü örnekleri, Ekin Basım Yayın Dağıtım, Bursa, 2010.
[23] Meydan, C.H., Şeşen, H., Yapısal eşitlik modellemesi AMOS uygulamaları, Detay Yayıncılık, Ankara, 2011.
[24] Çokluk, Ö., Şekercioğlu, G. Büyüköztürk, Ş., Sosyal bilimler için çok değişkenli istatistik: SPSS ve LISREL uygulamaları, Pegem Akademi, Ankara, 2012.
[25] Ryu, E., “Effects of skewness and kurtosis on normaltheory based maximum likelihood test statistic in multilevel structural equation modeling”, Behavior research methods, Vol.43 No.4, 1066-1074, 2011.
[26] Ghanizadeh, A. Jahedizadeh, S., “EFL teachers’ teaching style, creativity, and burnout: A path analysis approach”, Cogent Education, Vol.3 No.1, 1151997, 2016.
[27] Muthén, L. K., Muthén, B. O., Mplus User’s guide: Statistical analysis with latent variables, Sixth Edition, Los Angeles, 1998
[28] Akgenç, E., Çok seviyeli yapısal eşitlik modellemesi ve bir uygulama, Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya, 2018.