to 0.89 for various grade and socio

to 0.89 for various grade and socioeconomic groups. The investigators concluded that
their test “appears to be a usable diagnostic instrument.” The major limitation they
identified with their study was “the lack of external criteria for determining the validity
of the test items, and the validity of the identified skills as a part of the problem-solving
process.” Still their research suggests fruitful avenues for others to pursue.
Butts[ 161 developed an X-35 Test of Problem Solving (forms A and B) to assess these
behaviors:
( I ) Early formation of a hypothesis.
(2) Specific experimentation with relevant variables as contrasted to random guessing.
(3) Introduction of control to test the validity of a hypothesis selected.
(4) Specific attempts at verification of the hypothesis.
The testing situation placed the student in as natural a problem situation as possible in
which the student could “select the kinds and amounts of information he believed would
best enable him to solve the problem.” Via a “tab” format, the student pulls the tab on
all items that are considered helpful in solving a specific problem. The available data
were catagorized as:
(i)
(ii) Additional or extra information.
(iii) Duplicate information.
(iv) Irrelevant information.
Once a “tab” has been pulled, it cannot be replaced, so the examiner has a record of
which items were used and in what sequence. The student responses were evaluated by
three professors based on these judgments:
to the problem solution?
variables to the problem?

(C) Did the student introduce any controls into his thinking to test his hypothesis?
On a scale of one to five, the judges evaluated each student’s responses with respect to
those four questions producing scores ranging from 4 to 20. A score of four indicates little
or no evidence of this problem-solving methodology in their thinking, while a score of
20 indicates definite evidence of such structuring and thinking. Butts cited agreement
between the evaluation of the investigator and the judges as evidence of construct validity
of the test. Interpreting the two forms of the test as halves of one test, Butts correlated
student scores from both forms to obtain a reliability coefficient of 0.54. As an innovative
attempt in a very complex domain, this test should be scrutinized closely.
Secondary School Level
The Process of Science Test (POST) [ 171 formerly called the Impact Test, is composed
of 40 four-choice items designed by the Biological Science Curriculum Study (BSCS)
to measure the “ability of students to recognize adequate criteria for accepting or rejecting
hypotheses, and to evaluate the general structure of experimental design in science, including
the need for controls, repeatability, adequate sampling, and careful measurement.”
The POST was to be one phase of the BSCS evaluation program. Items on the
POST are framed in biological science settings, but the authors claim knowledge of
biology is not a prerequisite for scoring high on the test. Many of the items are based on
tabular or graphical presentations of data or sketches of experimental setups. It was
developed to be used both as a pre- and a posttest with biology or other classes in which
the processes of science are important objectives. The test manual includes norms, reliability
information, and correlations with measures of mental ability. The present form,
copyrighted in 1963, was administered to more than 28,000 students at the beginning
of the 1962- 1963 school year and to 24,000 at the end of the school year. Generally, the
last 20 items are of lower quality when compared with the excellent quality of the first
20 items. A major weakness of the POST is that it lacks a precise table of specifications
or categorization of items as to specific processes of skills. Despite this weakness, the
POST is one of the few standardized tests in this area for secondary level students.
More recently, Tannenbaum[ 181 developed an “instrument to assess achievement
and diagnose weaknesses in the use of scientific processes by students in grades seven,
eight, and nine” entitled the Test of Science Processes (TOSP). The test is based on these
processes: Observing, Comparing, Quantifying, Classifying, Measuring, Experimenting,
Inferring, and Predicting. These processes were chosen after consulting the relevant
literature, so the dependence on the SAPA model is understandable. The TOSP has 96
five-choice items which require 73 minutes of total testing time-normally distributed
in two separate sittings. The first 12 items are based on 35 mm color slides and the large
majority of the remaining items are accompanied by pictures or data. In the validation
study, the TOSP was administered to over 3,600 students chosen to represent all ability
levels and a wide range of SES backgrounds. The KR-20 reliability of the total test with
the entire sample was 0.91. Reliability estimates of the subtests (for each of the processes)
vary from 0.30 to 0.78 with the subtest c

Results (Indonesian) 1:

untuk 0.89 untuk berbagai kelas dan kelompok sosial ekonomi. Para peneliti menyimpulkan bahwates mereka "muncul untuk menjadi alat diagnostik dapat digunakan." Keterbatasan utama merekadiidentifikasi dengan studi mereka adalah "kurangnya eksternal kriteria untuk menentukan validitasitem tes, dan validitas keterampilan diidentifikasi sebagai bagian dari pemecahan masalahproses." Masih penelitian mereka menunjukkan jalan yang bermanfaat bagi orang lain untuk mengejar.Puntung [161 dikembangkan X-35 tes dari pemecahan masalah (bentuk A dan B) untuk menilai iniperilaku:(I) awal pembentukan hipotesis.(2) tertentu eksperimen dengan variabel yang relevan sebagai kontras untuk acak menebak-nebak.(3) pengenalan kontrol untuk menguji validitas hipotesis yang dipilih.(4) khusus upaya di verifikasi hipotesis.Situasi pengujian ditempatkan siswa sebagai alami situasi masalah yang mungkin dalamyang siswa dapat "memilih jenis dan jumlah informasi yang dia percaya akanterbaik memungkinkan dia untuk memecahkan masalah." Melalui format "tab", siswa menarik tab padaSemua item yang dianggap membantu dalam memecahkan masalah tertentu. Data yang tersediayang dikategorikan sebagai:(i)(ii) tambahan atau tambahan informasi.(iii) duplikat informasi.(iv) tidak relevan informasi.Setelah "tab" telah ditarik, itu tidak bisa diganti, jadi pemeriksa memiliki catatanitem yang digunakan dan dalam urutan apa. Tanggapan siswa dievaluasi olehtiga Profesor berdasarkan penilaian ini:untuk solusi masalah?variabel untuk masalah?(C) Apakah siswa memperkenalkan kontrol ke otaknya untuk menguji hipotesis nya?Pada skala satu sampai lima, hakim dievaluasi setiap siswa tanggapan denganempat pertanyaan tersebut berasal memproduksi Partitur berkisar 4-20. Skor dari empat menunjukkan sedikitatau tidak ada bukti dari metodologi pemecahan masalah ini dalam pemikiran, sementara Skor20 menunjukkan bukti yang pasti penataan dan berpikir seperti itu. Puntung dikutip perjanjianantara evaluasi penyidik dan para hakim sebagai bukti validitastes. Menafsirkan bentuk dua tes sebagai bagian dari satu tes, puntung berkorelasimahasiswa Skor dari bentuk-bentuk kedua untuk memperoleh koefisien keandalan 0.54. Sebagai yang inovatifusaha di domain sangat kompleks, tes ini harus diteliti erat.Tingkat sekolah menengahProses uji ilmu (POST) [171 sebelumnya disebut dampak tes, terdiri40 empat-pilihan item yang dirancang oleh studi kurikulum ilmu hayati (BSCS)untuk mengukur "kemampuan siswa untuk mengenali memadai kriteria untuk menerima atau menolakhipotesis, dan untuk evaluasi struktur umum desain eksperimental dalam ilmu pengetahuan, termasukkebutuhan kontrol, pengulangan, sampling memadai dan pengukuran berhati-hati."POS adalah satu tahap BSCS evaluasi program. Item padaPOSTING adalah dibingkai dalam ilmu biologi pengaturan, tapi para penulis mengklaim pengetahuanBiologi bukanlah prasyarat untuk mencetak tinggi pada tes. Banyak item ini didasarkan padatabel atau grafis presentasi data atau sketsa percobaan. Itudikembangkan untuk digunakan baik sebagai pra- dan posttest dengan biologi atau kelas-kelas lain yangproses ilmu pengetahuan adalah tujuan penting. Manual tes meliputi norma-norma, keandalaninformasi, dan korelasi dengan langkah-langkah dari kemampuan mental. Bentuk yang sekarang,hak cipta pada tahun 1963, telah diberikan kepada lebih dari 28.000 siswa pada awaltahun sekolah 1962-1963 dan 24.000 pada akhir tahun sekolah. Umumnya,terakhir 20 item yang berkualitas lebih rendah bila dibandingkan dengan kualitas yang sangat baik yang pertama20 item. Kelemahan utama pos adalah bahwa ia tidak memiliki tabel tepat spesifikasiatau kategorisasi item untuk proses spesifik keterampilan. Meskipun kelemahan ini,POSTING adalah salah satu beberapa tes standar di daerah ini untuk siswa tingkat sekolah menengah.Baru-baru ini, Tannenbaum [181 dikembangkan "instrumen untuk menilai pencapaiandan mendiagnosa kelemahan dalam penggunaan proses ilmiah oleh siswa kelas tujuh,delapan, dan sembilan"berhak tes proses Sains (TOSP). Tes ini didasarkan pada iniproses: mengamati, membandingkan, mengukur, klasifikasi, mengukur, melakukan percobaan,Dalam menyimpulkan, dan memprediksi. Proses ini dipilih setelah konsultasi yang relevanSastra, sehingga ketergantungan pada SAPA model dimengerti. TOSP memiliki 96lima-pilihan item yang memerlukan 73 menit total pengujian waktu-biasanya didistribusikandalam dua sittings terpisah. Item pertama 12 Berdasarkan 35 mm warna slide dan besarmayoritas sisa barang disertai dengan gambar atau data. Di validasistudi, TOSP telah diberikan kepada lebih dari 3.600 siswa yang dipilih untuk mewakili semua kemampuantingkat dan rentang lebar SES latar belakang. Keandalan KR-20 tes total denganseluruh adalah 0.91. Keandalan perkiraan subtests (untuk masing-masing proses)bervariasi dari 0,30 0.78 dengan subtest c

Results (Indonesian) 2:

0,89 untuk berbagai kelas dan kelompok sosial ekonomi. Para peneliti menyimpulkan bahwa
tes mereka "tampaknya menjadi alat diagnostik yang dapat digunakan." Keterbatasan utama mereka
diidentifikasi dengan penelitian mereka adalah "kurangnya kriteria eksternal untuk menentukan validitas
item tes, dan validitas keterampilan diidentifikasi sebagai bagian dari pemecahan
masalah. Proses "Masih penelitian mereka menunjukkan jalan bermanfaat bagi orang lain untuk mengejar.
Butts [161 mengembangkan X-35 Uji Pemecahan Masalah (bentuk A dan B) untuk menilai ini
perilaku:
(I) pembentukan awal dari sebuah hipotesis .
(2) eksperimen khusus dengan variabel yang relevan sebagai kontras dengan menebak acak.
(3) Pengenalan kontrol untuk menguji validitas hipotesis yang dipilih.
(4) upaya khusus pada verifikasi hipotesis.
Situasi pengujian ditempatkan siswa sebagai alami situasi masalah mungkin di
mana siswa bisa "memilih jenis dan jumlah informasi yang ia percaya akan
terbaik memungkinkan dia untuk memecahkan masalah." Lewat "tab" Format, siswa menarik tab pada
semua item yang dianggap membantu dalam pemecahan masalah yang spesifik. Data yang tersedia
yang dikategorikan sebagai:
(i)
(ii) Informasi tambahan atau
ekstra.. (Iii) Gandakan
informasi. (Iv) informasi yang tidak relevan
Setelah "tab" telah ditarik, itu tidak dapat diganti, sehingga pemeriksa memiliki rekor dari
yang item yang digunakan dan dalam apa urutan. Respon siswa dievaluasi oleh
tiga profesor berdasarkan penilaian
ini:? Untuk solusi
masalah? Variabel untuk masalah (C) Apakah siswa memperkenalkan setiap kontrol ke dalam pemikirannya untuk menguji hipotesisnya? Pada skala satu sampai lima, para hakim dievaluasi respon masing-masing siswa terhadap empat pertanyaan memproduksi skor mulai dari 4 sampai 20. Skor empat menunjukkan sedikit bukti atau tidak ini metodologi pemecahan masalah dalam pemikiran mereka, sementara skor 20 menunjukkan bukti yang pasti dari penataan dan pemikiran seperti . Puntung dikutip kesepakatan antara evaluasi penyidik ​​dan hakim sebagai bukti validitas konstruk tes. Menafsirkan dua bentuk tes sebagai bagian dari satu tes, Butts berkorelasi nilai siswa dari kedua bentuk untuk mendapatkan koefisien reliabilitas 0,54. Sebagai inovatif upaya dalam domain yang sangat kompleks, tes ini harus diteliti erat. Sekunder Tingkat Sekolah Proses Sains Test (POST) [171 sebelumnya disebut Test Impact, terdiri dari 40 item empat pilihan yang dirancang oleh Kurikulum Biologi Sains Studi (BSCS) untuk mengukur "kemampuan siswa untuk mengenali kriteria yang memadai untuk menerima atau menolak hipotesis, dan untuk mengevaluasi struktur umum desain eksperimental dalam ilmu pengetahuan, termasuk kebutuhan untuk kontrol, pengulangan, pengambilan sampel yang memadai, dan pengukuran hati-hati." The POST adalah untuk menjadi salah satu fase dari program evaluasi BSCS. Item pada POST yang dibingkai dalam pengaturan ilmu biologi, tetapi penulis mengklaim pengetahuan tentang biologi bukanlah prasyarat untuk skor tinggi pada tes. Banyak item didasarkan pada presentasi tabular atau grafis dari data atau sketsa dari setup eksperimental. Ini dikembangkan untuk digunakan baik sebagai pra dan posttest dengan biologi atau kelas-kelas lain di mana proses sains merupakan tujuan penting. Manual tes meliputi norma, kehandalan informasi, dan korelasi dengan ukuran kemampuan mental. Bentuk ini, hak cipta pada tahun 1963, diberikan kepada lebih dari 28.000 siswa pada awal dari 1962 tahun 1963 sekolah dan 24.000 pada akhir tahun ajaran. Secara umum, 20 item terakhir adalah kualitas rendah bila dibandingkan dengan kualitas yang sangat baik dari yang pertama 20 item. Kelemahan utama dari POST adalah bahwa ia tidak memiliki meja yang tepat dari spesifikasi atau kategorisasi barang untuk proses keterampilan khusus. Meskipun kelemahan ini, POST adalah salah satu dari beberapa tes standar di daerah ini untuk siswa tingkat menengah. Baru-baru ini, Tannenbaum [181 mengembangkan "alat untuk menilai prestasi dan mendiagnosa kelemahan dalam penggunaan proses ilmiah oleh siswa di kelas tujuh, delapan , dan sembilan "berjudul Test Proses Sains (TOSP). Tes ini didasarkan pada ini proses: Mengamati, Membandingkan, mengukur, mengklasifikasi, Mengukur, Bereksperimen, Menyimpulkan, dan Memprediksi. Proses ini dipilih setelah berkonsultasi dengan relevan sastra, sehingga ketergantungan pada model SAPA dimengerti. The TOSP memiliki 96 item lima pilihan yang membutuhkan 73 menit total waktu pengujian-terdistribusi normal dalam dua sittings terpisah. Yang pertama 12 item didasarkan pada slide 35 mm warna dan besar sebagian besar item yang tersisa yang disertai dengan gambar atau data. Dalam validasi studi, TOSP diberikan kepada lebih dari 3.600 siswa dipilih untuk mewakili semua kemampuan tingkat dan berbagai latar belakang SES. KR-20 keandalan dari total tes dengan seluruh sampel adalah 0,91. Perkiraan keandalan subyek (untuk masing-masing proses) bervariasi 0,30-0,78 dengan subtes c