Tests, Measurement & Evaluation in Physical Education • Test Selection & Construction

Reliability in Physical Education Tests, Measurement & Evaluation

Reliability represents the consistency, dependability, and repeatability of test scores in physical education and sports science.

UP PGT Physical Education PGT Unit 3

1. Definitional Framework and Theoretical Foundations

In tests, measurement, and evaluation, reliability refers to the extent to which a test, measurement instrument, or evaluation procedure yields consistent, reproducible, and stable results upon repeated administrations under identical or comparable conditions. According to classic measurement theorists like H. Harrison Clarke and David K. Mathews, a reliable physical education test must minimize measurement errors caused by fluctuating motivation, environmental factors, and faulty apparatus calibration.

True Score Theory ($X = T + E$): Classical Test Theory posits that an observed score ($X$) is the sum of a true score ($T$) and random error ($E$). Reliability is mathematically defined as the proportion of total variance attributable to true score variance: $r_{xx} = \sigma_T^2 / \sigma_X^2$.
Error Variance: The primary enemy of reliability is random error, which stems from subject fatigue, improper tester instructions, environmental distractions, and mechanical inaccuracies in anthropometric or motor performance tools.
Relationship with Validity: While a reliable test is not necessarily valid (it can consistently measure the wrong thing), a valid test must be reliable. Reliability is a necessary, but insufficient, condition for validity.

2. Physiological, Biomechanical, and Methodological Determination

Establishing reliability requires rigorous statistical methodologies tailored to physical education metrics such as running times (seconds), explosive power (meters/centimeters), flexibility (degrees), and physiological output (heart rate, VO2 max). The primary methods include:

Test-Retest Method (Stability): Administering the exact same physical test (e.g., AAHPERD Youth Fitness Test or 50-yard dash) to the same group on two separate occasions. The correlation coefficient between the two sets of scores denotes the coefficient of stability.
Parallel-Form / Alternate-Form Method (Equivalence): Using two different yet equivalent versions of a test administered to the same group to eliminate practice effects, yielding a coefficient of equivalence.
Split-Half Method (Internal Consistency): Administering a single test, dividing it into two halves (e.g., odd-numbered items vs. even-numbered items), and correlating the two halves. This score is then adjusted using the Spearman-Brown Prophecy Formula: $r_{sb} = \frac{2r}{1 + r}$.
Kuder-Richardson (KR-20 / KR-21) and Cronbach's Alpha: Used for internal consistency when items are dichotomously scored (Pass/Fail) or rated on Likert scales across motor learning surveys or knowledge tests.

3. Application in Sports Performance, Coaching & Pedagogy

In high-performance sports coaching and physical education pedagogy, high reliability ensures that performance gains reflect true physiological and skill adaptations rather than measurement artifacts.

Objectivity as Inter-Rater Reliability: In subjective events like gymnastics, diving, or figure skating, objectivity is a form of reliability assessing the degree of agreement between multiple judges. High objectivity eliminates subjective bias.
Calibration of Equipment: Ensuring treadmill speeds, electronic timing gates, force plates, skinfold calipers (e.g., Harpenden), and dynamometers are properly calibrated is vital to maintaining instrument reliability.
Standardization of Testing Protocols: Strict adherence to pre-test instructions (e.g., hydration, dietary intake, warm-up routines, environmental temperature) protects the test-retest reliability of physiological stress tests and cardiovascular evaluations.

Practice Examination Questions (10 MCQs)

Select an answer to view the correct option and explanation.

Q1 Which statistical correction formula is applied to split-half reliability to estimate the reliability of the full test length?

A Spearman-Brown Prophecy Formula
B Pearson Product-Moment Correlation
C Kuder-Richardson 20 Formula
D ANOVA Two-Way Formula

Q2 The proportion of total variance in test scores that is attributable to true score variance is known as:

A Validity coefficient
B Reliability coefficient
C Error variance index
D Objectivity coefficient

Q3 Which reliability estimation method is most severely affected by practice and learning effects?

A Split-Half method
B Parallel-Form method
C Test-Retest method
D Kuder-Richardson method

Q4 What is the term used to describe inter-rater reliability in subjective sports like gymnastics and diving?

A Stability
B Equivalence
C Objectivity
D Normative validity

Q5 According to standard measurement guidelines in physical education, what is considered an acceptable minimum reliability coefficient for standardized fitness tests?

A 0.50
B 0.60
C 0.70
D 0.80

Q6 Which formula is specifically designed to calculate internal consistency for dichotomously scored test items (e.g., pass/fail or correct/incorrect)?

A KR-20 (Kuder-Richardson 20)
B Spearman-Brown Formula
C Pearson's r
D Intraclass Correlation Coefficient

Q7 If a physical education teacher administers Form A of a cardiovascular endurance test today and Form B tomorrow, which type of reliability is being evaluated?

A Stability
B Equivalence (Alternate-Form)
C Internal consistency
D Split-half reliability

Q8 Which of the following is NOT a source of measurement error that reduces test reliability?

A Subject fatigue and anxiety
B Precise calibration of dynamometers
C Varying environmental temperatures
D Ambiguous tester instructions

Q9 What is the theoretical maximum value of a reliability coefficient?

A 0.50
B 1.00
C 5.00
D 100.0

Q10 Which classic measurement scholar emphasized rigorous testing standards and physical fitness test construction in physical education?

A H. Harrison Clarke
B A.V. Hill
C L. Carmichael
D K. Cooper

परीक्षण, मापन एवं मूल्यांकन • Test Selection & Construction

शारीरिक शिक्षा परीक्षण, मापन और मूल्यांकन में विश्वसनीयता (Reliability)

विश्वसनीयता शारीरिक शिक्षा और खेल विज्ञान में परीक्षण स्कोर की निरंतरता, निर्भरता और पुनरावृत्ति को दर्शाती है।

यूपी पीजीटी शारीरिक शिक्षा पीजीटी इकाई 3

1. सैद्धांतिक ढांचा और आधारभूत सिद्धांत

परीक्षण, मापन और मूल्यांकन में, विश्वसनीयता (Reliability) उस सीमा को संदर्भित करती है जिस तक कोई परीक्षण, मापन उपकरण या मूल्यांकन प्रक्रिया समान या तुलनीय परिस्थितियों में बार-बार प्रशासित किए जाने पर सुसंगत, प्रतिलिपि योग्य और स्थिर परिणाम देती है। एच. हैरिसन क्लार्क (H. Harrison Clarke) और डेविड के. मैथ्यूज (David K. Mathews) जैसे शास्त्रीय मापन सिद्धांतकारों के अनुसार, एक विश्वसनीय शारीरिक शिक्षा परीक्षण को बदलते प्रेरणा स्तर, पर्यावरणीय कारकों और दोषपूर्ण उपकरण अंशांकन (calibration) के कारण होने वाली मापन त्रुटियों को कम करना चाहिए।

सत्य स्कोर सिद्धांत (True Score Theory) ($X = T + E$): शास्त्रीय परीक्षण सिद्धांत (Classical Test Theory) मानता है कि एक प्रेक्षित स्कोर ($X$), सत्य स्कोर ($T$) और यादृच्छिक त्रुटि ($E$) का योग है। विश्वसनीयता को गणितीय रूप से सत्य स्कोर विचरण के लिए जिम्मेदार कुल विचरण के अनुपात के रूप में परिभाषित किया गया है: $r_{xx} = \sigma_T^2 / \sigma_X^2$।
त्रुटि विचरण (Error Variance): विश्वसनीयता का प्राथमिक शत्रु यादृच्छिक त्रुटि है, जो विषय की थकान, अनुचित परीक्षक निर्देशों, पर्यावरणीय विकर्षणों और मानवमितीय (anthropometric) या मोटर प्रदर्शन उपकरणों में यांत्रिक अशुद्धियों से उत्पन्न होती है।
वैधता के साथ संबंध: हालांकि एक विश्वसनीय परीक्षण का वैध होना आवश्यक नहीं है (यह लगातार गलत चीज को माप सकता है), लेकिन एक वैध परीक्षण का विश्वसनीय होना अनिवार्य है। विश्वसनीयता वैधता के लिए एक आवश्यक, लेकिन अपर्याप्त शर्त है।

2. शारीरिक, जैव-यांत्रिकीय और पद्धतिगत निर्धारण

विश्वसनीयता स्थापित करने के लिए शारीरिक शिक्षा मेट्रिक्स जैसे दौड़ने का समय (सेकंड), विस्फोटक शक्ति (मीटर/सेमी), लचीलापन (डिग्री), और शारीरिक आउटपुट (हृदय गति, VO2 max) के लिए कठोर सांख्यिकीय पद्धतियों की आवश्यकता होती है। प्राथमिक विधियों में शामिल हैं:

परीक्षण-पुनः परीक्षण विधि (Test-Retest Method - स्थिरता): एक ही समूह पर दो अलग-अलग अवसरों पर बिल्कुल एक ही शारीरिक परीक्षण (जैसे AAHPERD यूथ फिटनेस टेस्ट या 50-यार्ड डैश) प्रशासित करना। दो स्कोर सेट के बीच सहसंबंध गुणांक स्थिरता गुणांक को दर्शाता है।
समानांतर-रूप / वैकल्पिक-रूप विधि (Parallel-Form - समानता): अभ्यास प्रभावों को समाप्त करने के लिए एक ही समूह पर प्रशासित परीक्षण के दो अलग-अलग लेकिन समकक्ष संस्करणों का उपयोग करना, जो समानता का गुणांक प्रदान करता है।
विभाजित-अर्ध विधि (Split-Half Method - आंतरिक स्थिरता): एक एकल परीक्षण को प्रशासित करना, इसे दो हिस्सों में विभाजित करना (जैसे विषम-संख्या वाली वस्तुएं बनाम सम-संख्या वाली वस्तुएं), और दोनों हिस्सों के बीच सहसंबंध निकालना। इस स्कोर को फिर स्पीयरमैन-ब्राउन भविष्यवाणी सूत्र (Spearman-Brown Prophecy Formula) का उपयोग करके समायोजित किया जाता है: $r_{sb} = \frac{2r}{1 + r}$।
कुडर-रिचर्डसन (KR-20 / KR-21) और क्रोनबैक अल्फा: आंतरिक स्थिरता के लिए उपयोग किया जाता है जब वस्तुएं द्विभाजित (Pass/Fail) होती हैं या मोटर लर्निंग सर्वेक्षणों या ज्ञान परीक्षणों में लिकर्ट स्केल पर रेट की जाती हैं।

3. खेल प्रदर्शन, कोचिंग और शिक्षाशास्त्र में अनुप्रयोग

उच्च-प्रदर्शन खेल कोचिंग और शारीरिक शिक्षा शिक्षाशास्त्र में, उच्च विश्वसनीयता यह सुनिश्चित करती है कि प्रदर्शन में लाभ मापन कलाकृतियों के बजाय वास्तविक शारीरिक और कौशल अनुकूलन को दर्शाते हैं।

वस्तुनिष्ठता (Objectivity) अंतर-मूल्यांकनकर्ता विश्वसनीयता के रूप में: जिम्नास्टिक, डाइविंग या फिगर स्केटिंग जैसी व्यक्तिपरक घटनाओं में, वस्तुनिष्ठता विश्वसनीयता का एक रूप है जो कई न्यायाधीशों के बीच सहमति की डिग्री का आकलन करती है। उच्च वस्तुनिष्ठता व्यक्तिपरक पूर्वाग्रह को समाप्त करती है।
उपकरणों का अंशांकन (Calibration): ट्रेडमिल गति, इलेक्ट्रॉनिक टाइमिंग गेट्स, फोर्स प्लेट्स, स्किनफोल्ड कैलिपर्स (जैसे हार्पेंडेन), और डायनेमोमीटर का उचित अंशांकन सुनिश्चित करना उपकरण की विश्वसनीयता बनाए रखने के लिए महत्वपूर्ण है।
परीक्षण प्रोटोकॉल का मानकीकरण: पूर्व-परीक्षण निर्देशों (जैसे जलयोजन, आहार सेवन, वार्म-अप दिनचर्या, पर्यावरणीय तापमान) का सख्ती से पालन शारीरिक तनाव परीक्षणों और हृदय संबंधी मूल्यांकनों की परीक्षण-पुनः परीक्षण विश्वसनीयता की रक्षा करता है।

विश्वसनीयता मापन विधियों की तुलना

विधि	मुख्य फोकस	उपयोग का उद्देश्य
परीक्षण-पुनः परीक्षण	स्थिरता	समय के साथ स्थिरता मापना
विभाजित-अर्ध	आंतरिक स्थिरता	परीक्षण की आंतरिक सुसंगति
वैकल्पिक-रूप	समानता	अभ्यास प्रभाव को कम करना

स्मरण सूत्र / Mnemonic

विश्वसनीयता के प्रकार (R-S-O-I)

R-S-O-I

R (Reliability - विश्वसनीयता), S (Stability - स्थिरता/Test-Retest), O (Objectivity - वस्तुनिष्ठता/Inter-rater), I (Internal Consistency - आंतरिक स्थिरता/Split-half/KR-20)।

यूपी टीजीटी एवं पीजीटी हेतु मुख्य परीक्षा बिंदु

विश्वसनीयता का अर्थ है परिणामों की स्थिरता (Consistency)।
सत्य स्कोर सिद्धांत का सूत्र X = T + E है।
स्पीयरमैन-ब्राउन सूत्र का उपयोग विभाजित-अर्ध विश्वसनीयता को समायोजित करने के लिए किया जाता है।
वस्तुनिष्ठता (Objectivity) अंतर-मूल्यांकनकर्ता विश्वसनीयता का एक प्रकार है।
KR-20 का उपयोग द्विभाजित (Pass/Fail) डेटा के लिए किया जाता है।
विश्वसनीयता वैधता के लिए एक आवश्यक शर्त है, लेकिन पर्याप्त नहीं।

सामान्य भ्रांतियां एवं परीक्षा के जाल (Exam Traps)

भ्रांति 1: विश्वसनीयता और वैधता एक ही हैं। सत्य: विश्वसनीयता केवल स्थिरता है, जबकि वैधता यह मापती है कि परीक्षण क्या मापना चाहिए।
भ्रांति 2: परीक्षण-पुनः परीक्षण में अभ्यास प्रभाव नहीं होता। सत्य: यह विधि अभ्यास प्रभाव के प्रति सबसे अधिक संवेदनशील है।

अभ्यास परीक्षा प्रश्न (10 बहुविकल्पीय प्रश्न)

अपनी अवधारणात्मक समझ का परीक्षण करें। उत्तर चुनें और विस्तृत शैक्षणिक व्याख्या देखें।

प्रश्न 1 विभाजित-अर्ध विश्वसनीयता के लिए किस सांख्यिकीय सुधार सूत्र का उपयोग किया जाता है?

क स्पीयरमैन-ब्राउन भविष्यवाणी सूत्र
ख पियर्सन उत्पाद-क्षण सहसंबंध
ग कुडर-रिचर्डसन 20 सूत्र
घ एनोवा (ANOVA) टू-वे सूत्र

प्रश्न 2 परीक्षण स्कोर में कुल विचरण का वह अनुपात जो सत्य स्कोर विचरण के लिए जिम्मेदार है, क्या कहलाता है?

क वैधता गुणांक
ख विश्वसनीयता गुणांक
ग त्रुटि विचरण सूचकांक
घ वस्तुनिष्ठता गुणांक

प्रश्न 3 कौन सी विश्वसनीयता अनुमान विधि अभ्यास और सीखने के प्रभावों से सबसे अधिक प्रभावित होती है?

क विभाजित-अर्ध विधि
ख समानांतर-रूप विधि
ग परीक्षण-पुनः परीक्षण विधि
घ कुडर-रिचर्डसन विधि

प्रश्न 4 जिम्नास्टिक और डाइविंग जैसे व्यक्तिपरक खेलों में अंतर-मूल्यांकनकर्ता विश्वसनीयता का वर्णन करने के लिए किस शब्द का उपयोग किया जाता है?

क स्थिरता
ख समानता
ग वस्तुनिष्ठता
घ मानक वैधता

प्रश्न 5 मानकीकृत फिटनेस परीक्षणों के लिए स्वीकार्य न्यूनतम विश्वसनीयता गुणांक क्या माना जाता है?

क 0.50
ख 0.60
ग 0.70
घ 0.80

प्रश्न 6 द्विभाजित स्कोर वाली परीक्षण वस्तुओं (जैसे पास/फेल) के लिए आंतरिक स्थिरता की गणना करने हेतु कौन सा सूत्र डिज़ाइन किया गया है?

क KR-20
ख स्पीयरमैन-ब्राउन सूत्र
ग पियर्सन का r
घ इंट्रा-क्लास सहसंबंध गुणांक

प्रश्न 7 यदि एक शारीरिक शिक्षा शिक्षक आज हृदय सहनशक्ति परीक्षण का फॉर्म A और कल फॉर्म B प्रशासित करता है, तो किस प्रकार की विश्वसनीयता का मूल्यांकन किया जा रहा है?

क स्थिरता
ख समानता (वैकल्पिक-रूप)
ग आंतरिक स्थिरता
घ विभाजित-अर्ध विश्वसनीयता

प्रश्न 8 निम्नलिखित में से कौन सा मापन त्रुटि का स्रोत नहीं है जो परीक्षण विश्वसनीयता को कम करता है?

क विषय की थकान और चिंता
ख डायनेमोमीटर का सटीक अंशांकन
ग बदलता पर्यावरणीय तापमान
घ अस्पष्ट परीक्षक निर्देश

प्रश्न 9 विश्वसनीयता गुणांक का सैद्धांतिक अधिकतम मान क्या है?

क 0.50
ख 1.00
ग 5.00
घ 100.0

प्रश्न 10 किस शास्त्रीय मापन विद्वान ने शारीरिक शिक्षा में कठोर परीक्षण मानकों और शारीरिक फिटनेस परीक्षण निर्माण पर जोर दिया?

क एच. हैरिसन क्लार्क
ख ए.वी. हिल
ग एल. कारमाइकल
घ के. कूपर

अक्सर पूछे जाने वाले प्रश्न (FAQs)

क्या विश्वसनीयता के बिना कोई परीक्षण वैध हो सकता है?

नहीं, विश्वसनीयता वैधता के लिए एक अनिवार्य शर्त है।

वस्तुनिष्ठता (Objectivity) और विश्वसनीयता में क्या अंतर है?

वस्तुनिष्ठता विश्वसनीयता का एक विशिष्ट रूप है जो विशेष रूप से मूल्यांकनकर्ताओं के बीच सहमति पर केंद्रित है।

परीक्षण में त्रुटि (Error) को कैसे कम किया जा सकता है?

मानकीकृत प्रोटोकॉल, उपकरणों के अंशांकन और स्पष्ट निर्देशों के माध्यम से।

क्या 1.0 से अधिक विश्वसनीयता गुणांक संभव है?

नहीं, विश्वसनीयता गुणांक हमेशा 0 और 1 के बीच होते हैं।

UP TGT Physical Education Tracker Track all 8 units & 149 curriculum topics

UP PGT Physical Education Tracker Check 211 topics with TGT/PGT overlap tags