Abstract
Giriş
Psikolojik alanda kullanılan testlerden elde edilen puanların
geçerliği, psikolojik ölçme alanının en önemli konuları arasında yer
almaktadır. Geçerlik, uygulanan testlerden elde edilen puanların bir özelliği
olarak düşünülmekte ve şemsiye bir kavram olarak yapı geçerliği altında
toplanabilmektedir.
Yapı geçerliğine yönelik kanıt toplama sürecinde genellikle açımlayıcı
ve doğrulayıcı faktör analizinden yararlanılmaktadır. Açımlayıcı faktör analizi
(AFA) kovaryans yapıları üzerine kurulmuş olup gözlenen değişkenler arasındaki
kovaryans matrisinden daha az sayıda gizil değişkenler (faktörler) elde etmeye
yarayan bir tekniktir. AFA’da amaç, değişkenlerin oluşturduğu kümenin faktör
yapısını ortaya çıkarmaktır. DFA’da ise teorik olarak ortaya konulan kuramsal
yapının test edilmekte ve analiz öncesinde ölçülen değişkenin yapısal
özellikeri bilinmektedir. Bu nedenle DFA’da amaç ölçme aracından elde edilen
ölçümlere dayanarak öngörülen faktör yapısının doğrulanmaya çalışılmasıdır. Yapı
geçerliğine yönelik kanıt toplama sürecinde her iki analizin de önemi
yüksektir. Nunnally (1978), faktör analizi psikolojik yapıların ölçümünün
kalbinde yer almaktadır diyerek faktör analizinin önemi vurgulamaktadır.
Testten elde edilen puanların geçerliğini artırmak amacıyla
farklı önlemler alınabilir. Buna örnek olarak ölçme aracının geliştirilme
aşamasında ölçek geliştirme prosedürünü takip etmek, kuramsal alt yapıyı iyi
bir şekilde bilmek ve ölçme aracına yansıtabilmek, testlerin uygulanma
aşamasında bazı önlemlerin alınması gösterilebilir. Ancak test uygulandıktan
sonra elde edilen puanlar üzerinde bazı ağırlıklandırma işlemleri ile de
testten elde edilen puanların geçerliğinin artırılabileceği düşünülmüş ve madde
ağırlıklıklandırmasına yönelik araştırmalar yürütülmüştür.
Madde ağırlıklandırmaya yönelik araştırmalar incelendiğinde
çoğunlukla 1900’lü yılların ilk yarısında yer aldığı görülmektedir. Madde
ağırlıklandırmayla ilgili olarak önerilen yöntemler arasında çoklu regresyon
yoluyla değer atama, kısmı regresyon katsayılarını atama Guilford (1954), madde
ayırıcılık indeksleri ile ağırlıklandırma Birnbaum (1968), faktör analizini kullanma
(Burt, 1950) gibi yöntemlerin kullanılmasının yanında test varyansını ya da
madde varyansını kullanarak madde ağırlıklandırma (Dick, 1965), maddelerin
bağlantılı olduğu içerik dikkate alınarak daha önemli konularla ilişkili olan
maddeleri ağırlıklandırma (Ghiselli, 1964) tek tek maddeler yerine madde
kümelerinin ağırlıklandırma şeklinde yöntemler öneren yazarlarda bulunmaktadır
(Gulliksen, 1950). Günümüze daha yakın bir çalışmada ise Rotou, Headrick ve
Elmore (2002) çok boyutlu madde tepki kuramı parametreleri kullanarak maddeleri
ağırlıklandırmayı ve bireylerin puanlarını hesaplamak için klasik test
kuramındaki toplam puan hesaplamasını kullanmaya dayanan bir hibrit
ağırlıklandırma yöntemi önermiştir.
Türkiye’de ağırlıklandırmaya yönelik araştırmalar yürütülmüş
ancak genellikle çoktan seçmeli maddeler için seçenek ağırlıklandırma üzerinde
durulmuş (Akkuş & Baykul, 2001; Erdem, Ertuna, & Doğan, 2016;
Gözen-Çıtak, 2010; Özdemir, 2004) madde ağırlıklandırma üzerinde yürütülen
araştırmaların sınırlı olduğu görülmüştür (Yurdugül, 2010). Yurdugül (2010)
tarafından yürütülen araştırmada bireylerin toplam puanları üzerinden
değerlendirme yapılmıştır. Mevcut araştırmada ise yapı geçerliğine yönelik
araştırmada bulunulmuştur.
Yöntemler genel olarak değerlendirildiğinde, Guilford (1954) ve
Phillips (1943) madde ağırlıklandırma için harcanan emeğe değmeyeceğini
belirtmiştir. Ancak madde ağırlıklandırmayla testten elde edilen sonuçların
geçerliği ve güvenirliğinin artırılmasının yanında bireyler arasındaki farkı da
maksimize etmesi gerektiğinden (Horst, 1936) bireyleri daha iyi ayırmayı
sağlayacaktır. Günümüzde bilgisayar teknolojisinin oldukça gelişmiş olması
madde ağırlıklandırma işlemine harcanacak emeği de azaltacağından geçerlik ve
güvenirliğe aşırı katkı yapmasa bile kısmi katkıları sebebiyle kullanılması
önerilebilir.
Madde ağırlıklandırmanın sonuçları genel olarak incelendiğinde,
kısa testler için maddelerin farklı ağırlıklandırmanın daha verimli olduğu,
madde sayısının 10 ila 20 arasında olduğunda madde ağırlıklandırmanın çok az
etkili olduğu (Ghiselli, 1964), uzun testler içinse en iyi ağırlıklandırmanın
tüm maddeler için 1 olarak seçilmesi olduğu belirtilmektedir. Maddeler arası
korelasyonların ortalaması düşük olduğunda madde ağırlıklandırmanın daha iyi sonuçlar
verdiği (Guilford, 1954) ve testteki bileşen sayısı azaldıkça maddeleri farklı
puanlamanın eşit ağırlıklandırma yoluyla elde edilen toplam puana (Örneğin,
doğru cevap için 1, yanlış cevap için 0 puan vermek ve doğru cevap verilen
maddeleri toplamak gibi.) göre bireyleri sıralama üzerinde daha etkili olduğu
ifade edilmiştir (Ghiselli, 1964).
Madde ağırlıklandırmanın testten elde edilen sonuçların
geçerliğini ve güvenirliğini artırıcı etki yapması ve bu nedenle de açıkça önem
arz etmesine rağmen çok az sayıda çalışmada kullanılması Burt (1950) tarafından
da şaşırtıcı olarak ifade edilmiştir. Günümüzde madde ağırlıklandırmanın
etkilerine yönelik olarak yürütülen araştırmaların sınırlı olması nedeniyle bu
araştırmada araştırmacılar tarafından geliştirilen madde ağırlıklandırma
yöntemi farklı koşullar altında incelenmiştir. Araştırmada “Madde
ağırlıklandırmanın testin geçerlik ve güvenirliğine etkisi nasıldır?” sorusuna
yanıt aramak amacıyla i) önerilen madde ağırlıklandırma yöntemiyle elde edilen
dönüştürülmüş madde puanları matrisi üzerinden yürütülen AFA sonucunda
açıklanan varyans oranı nasıl değişmektedir?, ii) önerilen madde
ağırlıklandırma yöntemiyle elde edilen dönüştürülmüş madde puanları matrisi
üzerinden yürütülen DFA sonucunda CFI, RMSEA ve ki-kare değerleri nasıl
değişmektedir?, iii) önerilen madde ağırlıklandırma yöntemiyle elde edilen
dönüştürülmüş madde puanları matrisi üzerinden yürütülen güvenirlik analizi
sonucunda Cronbach Alfa güvenirlik katsayısı değerleri nasıl değişmektedir?
Sorularına yanıt aranmıştır.
Yöntem
Araştırmacılar tarafından önerilen ağırlıklandırma yönteminin
testin geçerlik ve güvenirliği üzerindeki etkisinin incelenmesi amacıyla Monte
Carlo simülasyon çalışması yürütülmüştür. Araştırmanın verileri, kategorik veri
türlerinin çokluğu ve ayrı çalışılması gerektiği düşüncesiyle 1-0 puanlamayla
sınırlandırılmıştır. Diğer bir sınırlılık ise veri setlerinin tek boyutlu
üretilmesidir. Bunun nedeni ise çok boyutlu verilerde veri türü, boyut sayısı,
boyutlar arası ilişkiler, boyutlardaki madde sayıları vb. gibi birçok koşulu
bir arada ele almanın çalışmayı amacından uzaklaştırabileceği düşüncesidir.
Simülasyon koşulu olarak örneklem büyüklüğü (250, 1000 ve
3000), madde sayısı (20, 30 ve 40) ve ortalama faktör yükü (0.5 ve 0.7) ele alınmıştır.
Örneklem büyüklüğü olarak küçük, orta ve büyük olacak şekilde örneklemler
oluşturulmuştur. Ağırlıklandırma sonrasında madde sayısının, faktör analizi ve
puanların güvenirliğine etkisini incelemek için madde sayısı da simülasyon
çalışmasına koşul olarak eklenmiştir. Faktör yükleri ortalaması da tek
boyutluluğun güçlü ya da zayıf olması durumunda ağırlandırmanın etkisini
görmeyi sağlayacağı düşüncesiyle ele alınmıştır. Bütün koşullar ele alındığında
toplamda 18 simülasyon koşulu araştırılmış ve her bir koşul için 1000
replikasyon yapılmıştır.
Araştırmada kullanılan ağırlıklandırma yönteminde,
fonksiyonu
kullanılmıştır. Burada pi, i maddesinin madde güçlüğünü, Ij
ise j. bireyin ortalama puanını ifade etmektedir. Yani;
(2)
şeklinde ifade
edilebilir. Burada xi, bireyin i. maddeden aldığı
puanı (0 ya da 1), n ise toplam madde sayısını ifade etmektedir. Böylece her
bireyin ortalama puanı hesaplanmaktadır. Buna göre bireyin ortalama puanının 0
ile 1 arasında değer alacağı söylenebilir.
Ağırlıklandırma
fonksiyonu parçalı fonksiyon olarak tanımlanmıştır. Fonksiyon incelendiğinde xij,
j bireyinin i maddesine verdiği yanıtı ifade etmektedir. Buna göre j bireyinin
i maddesine verdiği yanıt 1 ya da 0 değerinin alabilir. Parçalı fonksiyonun
kuralları incelendiğinde eğer bireyin testten aldığı ortalama puan yani Ij
ile i maddesinin madde güçlük indeksinin toplamı 1 ve daha büyükse o zaman
bireyin madde puanına (0 ya da 1) i maddesinin madde güvenirlik indeksi
eklenmektedir. Eğer bu toplam 1’den küçükse bu durumda bireyin madde puanı
aynen korunmaktadır.
Madde ağırlıklandırma
fonksiyonunun Denklem 1’de belirtilen şekilde tanımlanmasının amacı, ölçme
sonuçlarına karışan tesadüfi hatayı düzeltmeye çalışmaktır. Fonksiyon
incelendiğinde başarılı bir bireyin kolay bir soruya dikkatsizlikle veya farklı
tesadüfi hata kaynakları nedeniyle verdiği cevabın düzeltilmesi esasına
dayanmaktadır. Aynı şekilde düşük başarılı bir birey de kendi cevaplayabileceği
madde güçlüğü için düzeltme puanı alabilmektedir.
Sonuç ve Tartışma
Araştırma sonucunda
önerilen madde ağırlıklandırma yönteminin açıklanan varyans oranını ortalama
%13.8 artırdığı gözlenmiştir. Ortalama faktör yükü arttıkça ağırlıklandırma
işleminin açıklanan varyans üzerindeki etkisi artmıştır. Buna göre maddeler
arasındaki ilişki arttıkça ağırlıklandırma işleminin etkisinin arttığı
söylenebilir. Bu sonuç Ghiselli (1964) tarafından belirtilen nominal
ağırlıklandırma yönteminden elde edilen sonuçla farklılaşmaktadır. Nominal
ağırlıklandırma yönteminde bileşenlere farklı ağırlıklıklar atanmaktadır.
Ghiselli (1964) tarafından belirtilen nominal ağırlıklandırma yöntemiyle
bileşenler arası ortalama korelasyon azaldıkça ağırlıklandırılmış puanların
bireylerin sıralanmasında daha fazla etkili olduğu raporlanmıştır. Mevcut araştırmada
ise maddelerin ortalama faktör yükü arttıkça açıklanan varyans oranının da
arttığı gözlenmiştir. Buna göre maddeleri arasındaki ilişkileri yüksek olan
testlerde mevcut araştırmada kullanılan ağırlıklandırma yönteminin kullanılması
önerilebilir.
Ağırlıklandırma
işleminin açıklanan varyans oranına etkisi incelendiğinde faktör yükü, madde
sayısı ve örneklem arttıkça açıklanan varyans oranın da arttığı söylenebilir. Guilford
(1954) ve Phillips (1943) harcanan emeğe nazaran elde edilen iyileşmenin
önemsiz olduğunu vurgulamıştır. Ancak mevcut araştırmadan elde edilen
ortalamalar incelendiğinde madde ağırlıklandırma yönteminin kullanılmasının harcanan
efora değecek sonuçlar ürettiği düşünülmektedir. Diğer bir deyişle kullanışlık
açısından araştırmada önerilen ağırlıklandırma yönteminin önerilebileceği
söylenebilir. Bir psikolojik özellikteki
açıklanan varyans oranını %13 civarında arttırmak önemli bir kazançtır ve artık
bilgisayar programlarının da yardımıyla ağırlıklandırma yapmak çok da zor
olmamaktadır.
Doğrulayıcı faktör analizi sonuçları incelendiğinde ise genel
olarak ağırlıklandırma işleminin CFI ve RMSEA değerlerinde iyileşme sağladığı
söylenebilir. Ki-Kare değerleri incelendiğinde bazı modeller için iyileşme
olmadığı gözlense de ortalama olarak değerlendirildiğinde ki-kare değerlerinde
de bir düşme olduğu gözlenmiştir.
Güvenirlik analizi sonuçları incelendiğinde ise ortalama olarak
0.05 düzeyinde güvenirlik katsayısının yükseldiği gözlenmiştir. Bu sonuç
Guilford, Lovell, & Williams (1942) araştırma bulgularıyla da benzerdir.
Ancak AFA ve DFA sonuçları birlikte değerlendirildiğinde güvenirlik
katsayısının azalmamasının yeterli olabileceği düşünülmektedir. Çünkü madde
sayısının artması güvenirlik katsayısını da arttırmaktadır. Hesaplanan tüm
güvenirlik katsayıları ağırlıklandırma sonuçlarının kullanılabileceğini
göstermektedir. Ağırlıklandırma işleminin güvenirliği düşürücü bir etki
yapmamasının yeterli olabileceği değerlendirilmektedir.
Araştırma sonuçlarına göre araştırmacılar
tarafından önerilen ağırlıklandırma yönteminin kullanılması hem araştırmacılara
hem de politika uygulayıcılarına önerilebilir. Yapı geçerliğine katkı sunan bu
ağırlıklandırma yönteminin tek boyutlu yapılar için araştırıldığı gözden
kaçırılmamalıdır. Araştırmacılara iki yada daha çok boyutlu testler için
önerilen ağırlıklandırma yönteminin nasıl sonuçlar ürettiğini araştırılması
önerilebilir.
References
- AERA, APA, & NCME. (2014). Standards for educational and psychological testing. Washington, DC: American Educational Research Association.
- Akkuş, O., & Baykul, Y. (2001). Çoktan seçmeli test maddelerinin puanlamada, seçenekleri farklı biçimde ağırlıklandırmanın madde ve test istatistiklerine olan etkisinin incelenmesi. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 20, 9–15.
- Birnbaum, A. (1968). Some latent models and their use in inferring an examinee’s ability. In F. M. Lord & M. R. Novick (Eds.), Statistical Theories of Mental Test Scores (pp. 397–479). Addison-Wesley: Reading, MA.
- Burt, C. (1950). The influence of differential weighting. British Journal of Statistical Psychology, 3(2), 105–125. https://doi.org/10.1111/j.2044-8317.1950.tb00288.x
- Daniel, L. G. (1989). Comparisons of of exploratory and confirmatory factor analysis. In Mid-South Educational Research Association. Little Rock, AR: (ERIC Document Reproduction Service No. ED314447.
- Dick, W. (1965). Item weighting: Test parameter effects and comparison of the efficiency of various weighting methods. The Pennsylvania State University.
- Erdem, B., Ertuna, L., & Doğan, N. (2016, September). Çoktan seçmeli testlerde seçenek ağırlıklandırma yöntemlerinin testin faktör yapısına etkisinin incelenmesi. Paper presented at the V. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Kongresi, Antalya, Turkey. Retrived from http://epod2016.akdeniz.edu.tr/_dinamik/333/53.pdf.
- Ghiselli, E. E. (1964). Theory of psychological measurement. New York: McGraw-Hill.
- Gözen-Çıtak, G. (2010). Klasik Test ve Madde Tepki Kuramlarına göre çoktan seçmeli testlerde farklı puanlama yöntemlerinin karşılaştırılması. İlköğretim Online, 9(1), 170–187.
- Guilford, J. P. (1954). Psychometric methods (2. Edition). New York: McGraw-Hill.
- Guilford, J. P., Lovell, C., & Williams, R. M. (1942). Completely weighted versus unweighted scoring in an achievement examination. Educational and Psychological Measurement, 2, 15–21.
- Gulliksen, H. (1950). Theory of mental tests. New York: Wiley.
- Hallquist, M., & Wiley, J. (2017). MplusAutomation: Automating Mplus Model Estimation and Interpretation. Retrieved from https://cran.r-project.org/package=MplusAutomation
- Horst, P. (1936). Obtaining a composite measure from a number of different measures of the same attribute. Psychometrika, 1(1), 53–60. https://doi.org/10.1007/BF02287924
- Messick, S. (1995). Validity of psychological assessment. American Psychologist, 50(9), 741–749. https://doi.org/10.1037//0003-066X.50.9.741
- Nunnally, J. C. (1978). Psychometric theory (2. Baskı). New York: McGraw-Hill.
- Özdemir, D. (2004). Çoktan seçmeli testlerin Klasik Test Teorisi ve Örtük Özellikler Teorisine göre hesaplanan psikometrik özelliklerinin iki kategorili ve ağırlıklandırılmış puanlanması yönünden karşılaştırılması. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 26, 117–123.
- Phillips, A. J. (1943). Further evidence regarding weighted versus unweighted scoring of examinations. Educational and Psychological Measurement, 3(1), 151–155. https://doi.org/10.1177/001316444300300114
- R Core Team. (2018). R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. Retrieved from https://www.r-project.org/.
- Revelle, W. (2016). psych: Procedures for psychological, psychometric, and personality research. Evanston, Illinois. Retrieved from https://cran.r-project.org/package=psych
- Rotou, O., Headrick, T. C., & Elmore, P. B. (2002). An investigation of difference scores for a grade-level testing program. International Journal of Testing, 2(2), 83–105. https://doi.org/10.1207/S15327574IJT0202
- Stevens, J. P. (2009). Applied multivariate statistics for the social science (5. Baskı). London: Routledge.
- Yurdugül, H. (2010). Farklı madde puanlama yöntemlerinin ve farklı test puanlama yöntemlerinin karşılaştırılması. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 1(1), 1–8.
Abstract
The purpose
of this study is to examine the effect of the item weighting method developed
by researchers on the construct validity of the test. For this purpose, a Monte
Carlo simulation study was carried out. Test length, average factor loadings,
and sample size were considered as simulation conditions. Item weighting method
was defined as follows: If average score of the individuals (calculated as
individual's test score/the number of items) plus item difficulty index is 1
and over then item reliability index added to individual’s item score (1 or 0);
if not, then the item score of the individual (1 if 1, 0 if 0) is preserved. As
a result of the research, it was observed that the weighting method contributes
to the construct validity. According to the results of confirmatory factor
analysis, the comparative fit index (CFI) and the root mean square error of
approximation (RMSEA) values were improved. According to the research findings,
the weighting method used in this research can be recommended.
Keywords
References
- AERA, APA, & NCME. (2014). Standards for educational and psychological testing. Washington, DC: American Educational Research Association.
- Akkuş, O., & Baykul, Y. (2001). Çoktan seçmeli test maddelerinin puanlamada, seçenekleri farklı biçimde ağırlıklandırmanın madde ve test istatistiklerine olan etkisinin incelenmesi. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 20, 9–15.
- Birnbaum, A. (1968). Some latent models and their use in inferring an examinee’s ability. In F. M. Lord & M. R. Novick (Eds.), Statistical Theories of Mental Test Scores (pp. 397–479). Addison-Wesley: Reading, MA.
- Burt, C. (1950). The influence of differential weighting. British Journal of Statistical Psychology, 3(2), 105–125. https://doi.org/10.1111/j.2044-8317.1950.tb00288.x
- Daniel, L. G. (1989). Comparisons of of exploratory and confirmatory factor analysis. In Mid-South Educational Research Association. Little Rock, AR: (ERIC Document Reproduction Service No. ED314447.
- Dick, W. (1965). Item weighting: Test parameter effects and comparison of the efficiency of various weighting methods. The Pennsylvania State University.
- Erdem, B., Ertuna, L., & Doğan, N. (2016, September). Çoktan seçmeli testlerde seçenek ağırlıklandırma yöntemlerinin testin faktör yapısına etkisinin incelenmesi. Paper presented at the V. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Kongresi, Antalya, Turkey. Retrived from http://epod2016.akdeniz.edu.tr/_dinamik/333/53.pdf.
- Ghiselli, E. E. (1964). Theory of psychological measurement. New York: McGraw-Hill.
- Gözen-Çıtak, G. (2010). Klasik Test ve Madde Tepki Kuramlarına göre çoktan seçmeli testlerde farklı puanlama yöntemlerinin karşılaştırılması. İlköğretim Online, 9(1), 170–187.
- Guilford, J. P. (1954). Psychometric methods (2. Edition). New York: McGraw-Hill.
- Guilford, J. P., Lovell, C., & Williams, R. M. (1942). Completely weighted versus unweighted scoring in an achievement examination. Educational and Psychological Measurement, 2, 15–21.
- Gulliksen, H. (1950). Theory of mental tests. New York: Wiley.
- Hallquist, M., & Wiley, J. (2017). MplusAutomation: Automating Mplus Model Estimation and Interpretation. Retrieved from https://cran.r-project.org/package=MplusAutomation
- Horst, P. (1936). Obtaining a composite measure from a number of different measures of the same attribute. Psychometrika, 1(1), 53–60. https://doi.org/10.1007/BF02287924
- Messick, S. (1995). Validity of psychological assessment. American Psychologist, 50(9), 741–749. https://doi.org/10.1037//0003-066X.50.9.741
- Nunnally, J. C. (1978). Psychometric theory (2. Baskı). New York: McGraw-Hill.
- Özdemir, D. (2004). Çoktan seçmeli testlerin Klasik Test Teorisi ve Örtük Özellikler Teorisine göre hesaplanan psikometrik özelliklerinin iki kategorili ve ağırlıklandırılmış puanlanması yönünden karşılaştırılması. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 26, 117–123.
- Phillips, A. J. (1943). Further evidence regarding weighted versus unweighted scoring of examinations. Educational and Psychological Measurement, 3(1), 151–155. https://doi.org/10.1177/001316444300300114
- R Core Team. (2018). R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. Retrieved from https://www.r-project.org/.
- Revelle, W. (2016). psych: Procedures for psychological, psychometric, and personality research. Evanston, Illinois. Retrieved from https://cran.r-project.org/package=psych
- Rotou, O., Headrick, T. C., & Elmore, P. B. (2002). An investigation of difference scores for a grade-level testing program. International Journal of Testing, 2(2), 83–105. https://doi.org/10.1207/S15327574IJT0202
- Stevens, J. P. (2009). Applied multivariate statistics for the social science (5. Baskı). London: Routledge.
- Yurdugül, H. (2010). Farklı madde puanlama yöntemlerinin ve farklı test puanlama yöntemlerinin karşılaştırılması. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 1(1), 1–8.
Details
| Primary Language | English |
|---|---|
| Journal Section | Articles |
| Authors | |
| Publication Date | June 28, 2019 |
| Acceptance Date | May 26, 2019 |
| Published in Issue | Year 2019 |