Test bir ölçme aracıdır. Ölçme, içinde bulunduğumuz fiziksel dünyanın canlı veya cansız ögelerinin (birey ya da nesnelerin) özelliklerine belli kurallara göre değer verme, bu özellikleri sayısallaştırma işlemidir.

Literatürde, ölçme araçlarına: test, ölçek, anket, profil, indeks, form, envanter gibi adlar verildiği görülmektedir. Genel olarak, bunların hepsinin aynı anlama geldiğini düşünebiliriz.
 

Psikometri, "psikolojik kökenli ölçme ve değerlendirme" bilimidir ve bireylerin psikolojik özelliklerine belli kurallara göre değer verme, bu özellikleri sayısallaştırma çalışmalarını içerir.

İnsana ilişkin gözlediğimiz psikolojik özelliklerin (zihinsel süreçler, yetenekler, davranışlar, vb.) ölçülmesine yönelik ölçeklerin geliştirilmesi, bu özelliklerin ölçülmesi, bireyler arasında bu özellikler açısından farkların ortaya konması psikometrinin araştırma, çalışma ve hizmet alanlarıdır.
 

Psikometrik testler, temel psikometrik çalışmalara tabi tutulmuş ve psikometrik açıdan yeterliliği ortaya konmuş ölçme araçlarıdır.

Bir test geliştirilirken güvenilirlik ve geçerlilik çalışmalarının yapılması, testin hem yaptığı ölçmelerin tutarlı olduğunun ortaya konması (güvenilirlik) hem de neyi ölçtüğünü iddia ediyorsa onu ölçtüğünün ortaya konması, ve test uygulamasından elde edilecek ham puanların bir norm grubuna göre karşılaştırılmasını sağlayacak standardizasyon çalışması temel psikometrik çalışmalardır.

Bu üç temel çalışma, güvenilirlik, geçerlilik, ve standardizasyon çalışması bir psikometrik test için olmazsa olmaz çalışmalardır.
 

Güvenilirlik, bir ölçme aracının, neyi ölçüyorsa bunu hep aynı şekilde ölçmesini belirtir. Ölçme aracı, geçici içsel şartlardan veya dışsal şartlardan etkilenmeden tutarlı bir şekilde aynı tespitleri yapabilmelidir.

Farklı güvenilirlik tipleri vardır: Test-tekrar test güvenlirliği, İçsel tutarlılık güvenilirliği, Yarıya-bölüm güvenilirliği

a. Test-tekrar test güvenilirliği

Güvenilirliği tespit etmenin bir yolu, ölçme aracını yanıtlayan kişinin ölçme aracı tekrar uygulandığında ölçme aracını aynı şekilde yanıtlayıp yanıtlamadığını tespit etmektir. Test-tekrar test güvenilirliği, bir ölçme aracını aynı gruba iki ayrı uygulamada verip sonra bu iki uygulamada elde edilen puanların korelasyonunu hesaplayarak bulunur. Eğer puanlar arasındaki korelasyon yüksekse ölçme aracının güvenilir olduğu kabul edilir: ilk uygulamada olumlu (veya olumsuz) puanları olan kişiler ikinci uygulamada da aynı şekilde olumlu (veya olumsuz) puanlara sahip görülmüşlerdir.

b. İçsel tutarlılık güvenilirliği

İçsel tutarlılık, ölçme aracının ölçtüğünü varsaydığımız nitelikleri ölçen sorularının kendi içlerinde ne kadar birbirleriyle ilişkili olduklarını, ne kadar homojen bir soru grubu oluşturduklarını tespit eder. İçsel tutarlılık, alfa katsayısı (Cronbach alfası) hesaplanarak bulunur. Alfa katsayısı, ölçme aracındaki farklı soruların aynı niteliği ölçerken birbirlerini ne kadar tamamladıklarını tespit eder. Bir ölçme aracında alfa katsayısının hesaplanabilmesi için ilgili niteliği ölçen iki veya daha fazla sorunun bulunması gereklidir. Bir tek soru alfa katsayının hesaplanması için yeterli değildir. Birbirinden bağımsız olarak farklı nitelikleri ölçen sorulardan oluşan ölçme araçlarında alfa katsayısı hesaplanamaz.

c. Yarıya-bölüm güvenilirliği

Yarıya-bölüm güvenilirliği, bir ölçme aracını oluşturan soruların iki ayrı gruba bölünüp bu iki ayrı soru grubu arasındaki korelasyonun tespit edilmesini içerir. Bu yöntemle ölçme aracını oluşturan soruların hepsinin aynı niteliği ölçüp ölçmedikleri test edilmiş olur. Eğer iki ayrı soru grubu arasındaki korelasyon yüksekse ölçme aracının bütününün birbiriyle yakından ilişkili sorulardan oluştuğu sonucuna varılır.
 

Geçerlilik, bir ölçme aracının ölçmeyi planladığı özellikleri gerçekten ölçüyor olması anlamına gelir. Bir ölçme aracı kişilik özelliklerini ölçtüğünü iddia ediyorsa bunun bir yöntemle ispatlaması gerekir.

Farklı geçerlilik tipleri vardır: Tahminsel geçerlilik, Eş-zamanlı geçerlilik, İçerik geçerliliği, Yapı geçerliliği

a. Tahminsel geçerlilik

Bir ölçme aracının geçerliliğini ortaya koymanın yollarından biri, bu ölçme aracından alınan sonuçların bir bireyin belli bir görevi yapabilecek yeteneği olduğunu veya belli bir şekilde davranacağını tahmin edebileceğini ispatlamaktır.

b. Eş-zamanlı geçerlilik

Bir ölçme aracının geçerliliğini o ölçme aracını başka bilinen ve kabul edilmiş ölçümlerle karşılaştırarak tespit edebiliriz. Örneğin, yeni bir matematik tutum anketinin eş-zamanlı geçerliliğini, bu anketi ve bilinen ve geçerliliği ispatlanmış bir anketi aynı gruba uygulayıp iki anketten alınan sonuçların korelasyonuna bakarak ortaya koyabiliriz. Yeni anket ile kriter ölçüt (bilinen anket) arasında yüksek bir korelasyon varsa yeni anketin eş-zamanlı geçerliliğe sahip olduğunu söyleriz. Burada en önemli olan nokta kriter ölçütün güvenilirliği ve geçerliliği ispatlanmış bir ölçüt olmasıdır.

c. İçerik geçerliliği

Bir ölçme aracının geçerliliği, ölçme aracını oluşturan soruların içeriğinin, ölçülmesi amaçlanan özellikleri doğru olarak temsil edip etmediği ortaya konarak ispatlanabilir. Bu ispat çalışması, kişilik, duygular ve davranışlarla ilgili teorileri ve o konuyla ilgili uzmanların yorumlarını temel alır.

d. Yapı geçerliliği

Yapı geçerliliği ölçme aracının ölçtüğünü iddia ettiği teorik yapıyı ölçtüğünün ispatlanmasını içerir. Yapı geçerliliğini ortaya koymanın çeşitli yolları vardır:

i. Faktör analizi

Faktör analizi ile ölçme aracını oluşturan soruların kendi aralarında nasıl kümelendikleri tespit edilir. Bulunan her faktörün (soru kümesinin) bir teorik yapıyı temsil ettiği düşünülür.

ii. Madde analizi

Madde analizi ile ölçme aracını oluşturan soruların ölçme aracının toplam puanına ne kadar katkıda bulundukları ve böylece ölçme aracının bütünüyle ne derecede ilişkili oldukları tespit edilir. Yüksek ilişkililik ölçülen teorik yapıyla bağlantının da yüksek olduğunu düşündürür.
 

Güvenilirlik ve geçerlilik çalışmaları tamamlanmış bir ölçme aracının yaygın kullanımının sağlanması, bu ölçme aracından elde edilen puanların birey-birey, birey-grup, grup-grup karşılaştırmalarında kullanılabilmesi için bir çalışma daha yapılmalıdır. Bu çalışma standardizasyon - norm çalışmasıdır.

Bir ölçme aracından elde edilen puanlar göreceli puanlardır. Tek başlarına bir anlam taşımazlar, çünkü sosyal bilimlerde mutlak bir sıfır noktası yoktur. Bu bilimlerde yapılan ölçme çalışmalarının anlamlı olabilmesi için bir karşılaştırma gereklidir. Bu karşılaştırmayı norm grubu sağlar.

Bir ölçme aracının norm tespiti amacıyla uygulandığı norm grubu bireylerinin bu ölçme aracından aldığı puanların dağılımı bize norm sınır değerlerini verir. Ölçme aracından belli sınırların altında, yakınında, veya üstünde alınan puanlara düşük, orta, veya yüksek puan deriz.

Norm grubu dışından bir kişi aynı ölçme aracını uyguladığında, bu kişinin aldığı ham puanı norm grubu puanı ile karşılaştırırız ve diğer kişilere göre daha düşük, diğer kişilerle aynı düzeyde, veya diğer kişilerden daha yüksek bir puan aldınız deriz.

Bir testten aldığımız puan bizim o norm grubuna göre göreceli konumumuzu gösterir.

Bu bilgi, uygulanan bir ölçme aracından elde edilen puanların doğru yorumlanmasında çok önemlidir. Bir kişilik testinde belli bir özellikte aldığımız çok düşük bir puan bizde o özelliğin olmadığını değil, diğer kişilere göre daha düşük düzeyde olduğunu söyler.
 

Yabancı kültürlerde geliştirilmiş testlerin Türkiye'de kullanımları öncesinde, temel psikometrik çalışmalara tabi tutulmaları gereklidir. İlgili kültürde, o testle ilgili birçok çalışma yapılmış olabilir ancak bu çalışmaların Türkiye'de Türk örneklemlerle tekrarlanması testin doğru bir şekilde kullanılabilmesi için bir ön şarttır.

Eğer yabancı bir kültürde geliştirilmiş bir test temel psikometrik çalışmalara tabi tutulmazsa, testin vereceği sonuçların tutarlı olup olmadığı (güvenilirlik), ölçtüğünü söylediği özellikleri ölçüp ölçmediğini (geçerlilik) bilemeyiz. Türk örneklemlerde standardizasyon çalışması yapılmamış ve Türk normları oluşturulmamış bir testin uygulanması sonucunda, örneğin, test sonuçlarını şöyle yorumlamak durumunda kalabiliriz: Sen İngilizlere göre daha dışadönüksün!!
 

Psikometri ve psikometrinin temel kavramları ne zaman ve nasıl ortaya çıktı? Psikometrik testlerin tarihçesi nasıldır? Bu sorular, bizim, 19.yy sonlarına ve 20.yy başlarına dönmemizi gerektirir.

Bir dönemde tüm bilgiler felsefe geleneği altında ele alınıyordu. On yedinci yüzyıldan itibaren, fiziksel ve doğal bilimler bu gelenekten ayrıldılar ve bağımsız birer akademik disiplin haline geldiler. Sosyal bilimlerde bu ayrılma süreci daha uzun sürdü ve ancak 19. yy'ın sonlarına doğru bu bilimler felsefe geleneği içinden ayrılmaya ve ayrı birer akademik disiplin haline gelmeye başladılar. Psikoloji ve psikolojik ölçme ve değerlendirme de bu bilim dalları arasındadır.

Bilimin, ayırıcı niteliği, odaklandığı özelliklere ilişkin incelikli ve kesin ölçme yapmasıdır. Psikoloji ve diğer sosyal bilimlerin felsefeden ayrılması zihinsel, davranışsal, ve sosyal olayları ölçmeye yönelik tekniklerin ve ölçme araçlarının geliştirilmesi ile olmuştur.

Adolphe Quetelet, Gustav Fechner, ve Francis Galton gibi bilim adamları, 19.yy'ın sonlarında sosyal ve psikoloji ile ilgili ölçme teorilerinin ve metodolojilerinin temellerini attılar.

Adolphe Quetelt, "ortalama insan" kavramını geliştirmiş ve insan toplulukları için doğum ve ölüm, evlilik, suç, intihar, ve diğer demografik özelliklerle ilgili istatistik temelli araştırmalar gerçekleştirmiştir.

Bu tarihçe içinde, özellikle, G. Fechner'in zihinsel duyum süreçleriyle dışsal uyaranlar arasındaki ilişkileri inceleyen çalışmaları, daha sonra algılama, duygu, davranış, dikkat ve diğer psikolojik süreçlerle dışsal uyaranlar arasındaki ilişkilerin araştırılmasına giden yolu açmıştır.

F. Galton, yetenekler ve diğer psikolojik olgular açısından bireyler arasındaki farkların incelenmesine çok önemli katkılarda bulunmuş ve psikolojik olguları incelemek için sorular içeren ilk ölçme formunu tasarlayan ve uygulayan bilim adamı olmuştur.

Yıllara göre dönüm noktalarına bir göz atacak olursak:

1879 yılında W. Wundt, dünyadaki ilk psikoloji laboratuarını kurdu.

1887 yılında G. Fechner ilk psikolojik kanunu formüle etti.

1888 yılında J. M. Cattell bir test laboratuarı kurdu.

1905 yılında, ilk standardize edilmiş zeka testi olan "Binet-Simon Intelligence Scale" yayınlandı. Bu test, 1908 yılında revize edildi, 1916 yılında da Stanford-Binet adı altında yeniden revize edilerek yayınlandı. Bugün hala kullanılan temel zeka testlerinden biridir.

1918 yılında da ilk standardize edilmiş kişilik testi olan ve R. Woodworth tarafından geliştirilmiş olan "Woodworth Personal Data Sheet" yayınlandı ve Amerikan askerlerinin orduya alınırken, askeri hayatın streslerine uyum sağlayıp sağlayamayacaklarının değerlendirilmesi çalışmalarında kullanıldı. Bu test daha sonraki kağıt-kalem kişilik testlerinin geliştirilmesine temel sağladı.

1921 yılında, dünyanın ilk test yayımlayan firması kuruldu: Psychological Corporation.

1927 yılında, ilk kapsamlı mesleki ilgi testi olan ve E. K. Strong, Jr. tarafından geliştirilmiş olan "Strong Vocational Interest Blank for Men" yayınlandı.

F. Galton ve J. M. Cattell'le başlayan ve öncelikli olarak zihinsel yeteneklerin (zeka, özel istidatlar/yetenekler, başarı) ölçülmesine odaklanan test geliştirme akımı ardından kısa bir süre içinde, davranışın yalnızca yetenekteki farklara dayalı olarak tahmin edilemeyeceği veya açıklanamayacağı, motivasyon, duygu, ilgi, ve diğer duygulanımsal özelliklerin de bireyin performansını ve tutumlarını tahmin etmeye katkıları olacağı ortaya çıktı.

Bu tespit ve bulgular, çok yaygın ve kapsamlı test geliştirme çalışmalarının başlangıcı oldu. Endüstri ve klinik psikoloji alanına yönelik bir çok test geliştirildi.

Bu test geliştirme çalışmaları da, doğal olarak, testlerin güvenilirliği, geçerliliği, ve testlerin kullanımının kişisel ve sosyal sonuçlarına ilişkin kapsamlı tartışmaları başlattı.