La validazione della versione italiana delle GRS-S (Pfeiffer-Jarosewich, 2003) - Scale di Valutazione della Plusdotazione (modulo per l’età scolare) - Dati Umbria 2019 - Università di Perugia

Titolo Rivista RICERCHE DI PSICOLOGIA
Autori/Curatori Alessandra Sisto, Maria Assunta Zanetti, Marco Bartolucci, Federico Batini
Anno di pubblicazione 2022 Fascicolo 2022/2
Lingua Italiano Numero pagine 49 P. 1-49 Dimensione file 0 KB
DOI 10.3280/rip2022oa14577
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

Vedi l'articolo Scarica l'articolo open access

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA)associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche

La plusdotazione in Italia è un argomento ancora scarsamente affrontato. Nonostante il 5% circa della popolazione sia plusdotato, non esiste una formazione obbligatoria specifica per gli insegnanti, sebbene sia auspicabile un’individuazione precoce della plusdotazione. Tra gli strumenti più utilizzati a questo scopo, dopo il test del QI, troviamo le Gifted Rating Scales (GRS), ovvero le Scale di Valutazione della Plusdotazione, di Pfeiffer-Jarosewich (2003). Si tratta di uno strumento di screening diagnosticamente appropriato e concepito per essere utilizzato con semplicità ed efficacia dagli insegnanti. È disponibile in due versioni, GRS-P (fascia d’età prescolare 4-6 anni) e GRS-S (fascia d’età scolare 6-13 anni), tese a valutare la percezione dell’insegnante rispetto al livello di abilità dello studente in confronto ai pari, in differenti aree: abilità intellettiva, abilità accademica, talento artistico, creatività, motivazione e leadership (quest’ultima è presente soltanto nelle GRS-S). Data la loro elevata solidità psicometrica, sono state tradotte e validate in molte lingue. La validazione della versione italiana delle GRS-S è stata avviata da uno studio di Beretta-Zanetti su un campione di 449 soggetti, provenienti dalla Lombardia, cui si sono aggiunti successivamente altri 142 soggetti provenienti da Roma. Nel presente lavoro, che si inserisce nel medesimo filone, sono state somministrate le GRS-S, dopo opportuna formazione degli insegnanti, ad un campione di 204 bambini tra i 6 ed i 14 anni provenienti dal Centro Italia (Regione Umbria), ampliando quindi la numerosità del campione proveniente dall’Italia centrale. Sono state quindi indagate le seguenti proprietà: asimmetria, curtosi, affettività e correlazione item-totale corretta. La coerenza interna delle scale è stata valutata attraverso il coefficiente alfa di Cronbach e l’errore standard di misurazione. La validità è stata analizzata mediante correlazione tra scale e attraverso un’analisi fattoriale esplorativa. I risultati hanno mostrato adeguate proprietà psicometriche ed una consistenza interna soddisfacente, tuttavia sono emerse criticità (valori molto elevati dell’indice alfa di Cronbach e soluzione a 5 fattori nell’analisi fattoriale esplorativa) che sono state ampiamente discusse e per le quali sono state avanzate alcune ipotesi (ad esempio ridondanza di item e bias interpretativo degli insegnanti) pur considerando la scarsa ampiezza campionaria di questa ricerca e riconoscendo il valore degli studi sul medesimo strumento che l’hanno preceduta. Si conferma pertanto la attendibilità della versione italiana delle GRS-S, tuttavia, per maggiore completezza dei dati ed omogeneità del campione, si segnala la necessità di rilevare dati da un campione più ampio, auspicabilmente proveniente dalle scuole del Sud Italia.;

  1. Taber, K. S. (2018). The use of Cronbach’s alpha when developing and reporting research instruments in science education. Research in science education, 48(6), 1273-1296.
  2. Bailey, C. L. (2011). An examination of the relationships between ego development, Dabrowski’s theory of positive disintegration, and the behavioral characteristics of gifted adolescents. Gifted Child Quarterly, 55(3), 208-222. DOI: 10.1177/0016986211412180
  3. Bao, Y. (2013). On sample skewness and kurtosis. Econometric Reviews, 32(4), 415-448.
  4. Barbaranelli, C. (2007). Analisi dei dati. Milano: LED Edizioni.
  5. Bartolucci, F., Bacci, S., & Gnaldi, M. (2015). Statistical analysis of questionnaires: A unified approach based on R and Stata (Vol. 34). CRC Press.
  6. Baudson, T. G., Fischbach, A., & Preckel, F. (2016). Teacher judgments as measures of childrenʼs cognitive ability: A multilevel analysis. Learning and Individual Differences, 52, 148-156.
  7. Baudson, T.G., Wollschläger, R. & Preckel, F. (2016). THINK 1-4. Test zur Erfassung der Intelligenz im Grundschulalter. Göttingen: Hogrefe.
  8. Pfeiffer, S.I., Petscher, Y., Jarosewich, T. (2007). The Gifted Rating Scale-School Form: Analysis of the standardization sample based on age, gender, race, and diagnostic efficiency. Gifted Child Quarterly, 51, 39-50. DOI: 10.1177/0016986206296658
  9. Pfeiffer, S. I. (2015). Essentials of gifted assessment. Hoboken, New Jersey: Wiley.
  10. Pfeiffer, S. I., & Jarosewich, T. (2003). GRS: Gifted Rating Scales. Psychological Corporation.
  11. Pfeiffer, S. I., Kumtepe, A., & Rosado, J. (2006). Gifted identification: Measuring change in a student’s profile of abilities using the Gifted Rating Scales. The School Psychologist, 60(3), 106-111.
  12. Pfeiffer, S.I., Soldivera, S., & Norton, J. (1992). A Consumerʼs guide to mental health outcome measures. Villanova, PA: Devereux Foundations.
  13. Posthuma, D., et al. (2002). The association between brain volume and intelligence is of genetic origin. Nature neuroscience, 5(2), 83.
  14. Prescott, J., Gavrilescu, M., Cunnington, R., OʼBoyle, M. W., & Egan, G. F. (2010). Enhanced brain connectivity in math-gifted adolescents: An fMRI study using mental rotation. Cognitive Neuroscience, 1(4), 277-288. DOI: 10.1080/17588928.2010.506951
  15. Renati, R., and M. A. Zanetti (2012). L’universo poco conosciuto della plusdotazione. Psicologia e scuola, 23, 18-24.
  16. Revelle, W. (2021). Psych: Procedures for Personality and Psychological Research. Northwestern University, Evanston, Illinois, -- USA https://cran.rproject.org/web/packages/psych/index.html.
  17. Robinson, K. (2011). Out of our minds: Learning to be creative. Oxford: Capstone.
  18. Rosado, J. I. (2008). Validation of the spanish version of the Gifted Rating Scales. The Florida State University.
  19. Rosado, J. I., Pfeiffer, S. I., & Petscher, Y. (2008). The reliability and validity of a Spanish translated version of the gifted rating scales. Gifted and talented international, 23(1), 105-114. DOI: 10.1080/15332276.2008.11673517
  20. Scarr, S., & McCartney, K. (1983). How People Make Their Own Environments: A Theory of Genotype Environment Effects. Child Development, 54(2), 424-435. DOI: 10.2307/1129703
  21. Sedgwick, P. (2014). Multiple hypothesis testing and Bonferroni’s correction. BMJ, 349.
  22. Shahzad, S., & Begume, N. (2010). Level of depression in intellectually gifted secondary school children. Gifted and Talented International, 25(2), 91-98. DOI: 10.1080/15332276.2010.11673572
  23. Sternberg, R. J. (2001). Giftedness as developing expertise: A theory of the interface between high abilities and achieved excellence. High Ability Studies, 12(2), 159-179. DOI: 10.1080/13598130120084311
  24. Tannenbaum, A. J. (2000). A history of giftedness in school and society. International handbook of giftedness and talent, 2, 23-53.
  25. Tavakol, M., & Dennick, R. (2011). Making sense of Cronbachʼs alpha. International journal of medical education, 2, 53-55.
  26. Thompson, L. A., & Plomin, R. (1993). Genetic influence on cognitive ability. International handbook of research and development of giftedness and talent, 103-113.
  27. Urhahne, D., & Wijnia, L. (2021). A review on the accuracy of teacher judgments. Educational Research Review, 32, 100374.
  28. Vaske, J. J., Beaman, J., & Sponarski, C. C. (2017). Rethinking internal consistency in Cronbachʼs alpha. Leisure sciences, 39(2), 163-173.
  29. West, S. G., Finch, J. F., & Curran, P. J. (1995). Structural equation models with nonnormal variables: Problems and remedies. In R. H. Hoyle (Ed.), Structural equation modeling: Concepts, issues, and applications (pp. 56-75). Sage Publications, Inc.
  30. Westberg, K. L. (2012). Using teacher rating scales in the identification of students for gifted services. Identification: The theory and practice of identifying students for gifted and talented education services, 363-379.
  31. Xia, Y., & Yang, Y. (2019). RMSEA, CFI, and TLI in structural equation modeling with ordered categorical data: The story they tell depends on the estimation methods. Behavior research methods, 51(1), 409-428.
  32. Zanetti, M. A. (2016). Una doppia difficoltà in classe: i bambini ad alto potenziale. Journal of Applied Radical Behavior Analysis, 16-21.
  33. Zanetti, M. A. (2017). Alto Potenziale. In M. A. Zanetti (Ed.), Bambini e ragazzi ad alto potenziale. Una guida per educatori e famiglie (pp. 19-69), Roma: Carocci.
  34. Zanetti, M. A., Renati, R., & Beretta, A. (2013). La plusdotazione: introduzione. Ricerche di psicologia, 2(2), 295-299.
  35. Zanetti, M.A., & Beretta, A. (2017). La validazione italiana delle Gifted Rating Scales-School Form. QI Questioni e Idee in Psicologia, 44, in -- https://qi.hogrefe.it/rivista/la-validazione-italiana-delle-gifted-rating-scales.
  36. Mundfrom, D. J., Shaw, D. G., & Ke, T. L. (2005). Minimum sample size recommendations for conducting factor analyses. International journal of testing, 5(2), 159-168.
  37. Machts, N., Kaiser, J., Schmidt, F. T. C., & Moller, J. (2016). Accuracy of teachers’ judgments of students’ cognitive abilities: A meta-analysis. Educational Research Review, 19, 85-103.
  38. Li, H., Pfeiffer, S. I., Petscher, Y., Kumtepe, A. T., & Mo, G. (2008). Validation of the Gifted Rating Scales-school form in China. Gifted Child Quarterly, 52(2), 160-169. DOI: 10.1177/0016986208315802
  39. Li, H., Lee, D., Pfeiffer, S. I., Kamata, A., Kumtepe, A. T., & Rosado, J. (2009). Measurement invariance of the Gifted Rating Scales-School Form across five cultural groups. School Psychology Quarterly, 24(3), 186-198.
  40. Lee, D., & Pfeiffer, S. I. (2006). The reliability and validity of a Koreantranslated version of the Gifted Rating Scales. Journal of Psychoeducational Assessment, 24(3), 210-224. DOI: 10.1177/0734282906287829
  41. LaBuda, M. C., DeFries, J. C., & Fulker, D. W. (1987). Genetic and environmental covariance structures among WISC-R subtests: A twin study. Intelligence, 11(3), 233-244. DOI: 10.1016/0160-2896(87)90008-0
  42. Kuncel, N.R., Hezlett, S.A. (2004). Ones DS. Academic performance, career potential, creativity, and job performance: can one construct predict them all?. J Pers Soc Psychol., 86(1),148-61. DOI: 10.1037/0022-3514.86.1.148
  43. Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). New York: Guilford Press.
  44. Kline, P. (2014). An easy guide to factor analysis. Routledge.
  45. Jin, S. H., Kim, S. Y., Park, K. H., & Lee, K. J. (2007). Differences in EEG between gifted and average students: neural complexity and functional cluster analysis. International Journal of Neuroscience, 117(8), 1167-1184. DOI: 10.1080/00207450600934655
  46. Jabůrek, M., Cígler, H., Valešová, T., & Portešová, Š. (2022). What is the basis of teacher judgment of student cognitive abilities and academic achievement and what affects its accuracy?. Contemporary Educational Psychology, 69, 102068.
  47. Hoge, R. D., & Coladarci, T. (1989). Teacher-based judgments of academic achievement: A review of literature. Review of educational research, 59(3), 297-313.
  48. Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor retention decisions in exploratory factor analysis: A tutorial on parallel analysis. Organizational research methods, 7(2), 191-205.
  49. Gardner, H. (2011). Frames of mind: The theory of multiple intelligences. Hachette UK.
  50. Field, A. (2009). Discovering statistics using SPSS (3rd ed.). London: Sage publications.
  51. Fabio, R. A. (2019). Italian Standardization of teacher and parent screenings for Identifying Gifted and Talented Children aged from 6 to 13. Journal of Clinical & Developmental Psychology, 1(3).
  52. Desco, M., Navas-Sanchez, F. J., Sanchez-González, J., Reig, S., Robles, O., Franco, C., ... & Arango, C. (2011). Mathematically gifted adolescents use more extensive and more bilateral areas of the fronto-parietal network than controls during executive functioning and fluid reasoning tasks. Neuroimage, 57(1), 281-292.
  53. Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrica, 16, 297-334.
  54. Cristobal, E., Flavián, C. and Guinalíu, M. (2007). Perceived e-service quality (PeSQ): Measurement validation and effects on consumer satisfaction and web site loyalty. Managing Service Quality: An International Journal, 17(3), 317-340. DOI: 10.1108/09604520710744326
  55. Comrey, A. L., & Lee, H. B. (2013). A first course in factor analysis. Psychology press.
  56. Cohen, J., Cohen, P., West, S.G. and Aiken, L.S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences. Mahwah, N.J: L. Erlbaum Associates.
  57. Cain, M. K., Zhang, Z., & Yuan, K. H. (2017). Univariate and multivariate skewness and kurtosis for measuring nonnormality: Prevalence, influence and estimation. Behavior research methods, 49(5), 1716-1735.
  58. Blanca, M. J., Arnau, J., López-Montiel, D., Bono, R., & Bendayan, R. (2013). Skewness and kurtosis in real data samples. Methodology. European Journal of Research Methods for the Behavioral and Social Sciences, 9(2), 78-84.
  59. Beretta, A., Pfeiffer, S., & Zanetti, M.A. (2017). Gifted Rating Scales-School Form (S. Pfeiffer and T. Jarosewich) Validation of the Italian Version. Ljubljana, ECHA 2014. -- In: http://echa2014.mib.si/media/filer_public/ab/9d/ab9dad17-9b6a-461c-a9d0-2939b52e80dd/65-beretta.pdf.

Alessandra Sisto, Maria Assunta Zanetti, Marco Bartolucci, Federico Batini, La validazione della versione italiana delle GRS-S (Pfeiffer-Jarosewich, 2003) - Scale di Valutazione della Plusdotazione (modulo per l’età scolare) - Dati Umbria 2019 - Università di Perugia in "RICERCHE DI PSICOLOGIA" 2/2022, pp 1-49, DOI: 10.3280/rip2022oa14577