29

Grundlagen der Diagnostik (Fach) / VL 9 // IRT (Lektion)

Diese Lektion wurde von AliceMiller erstellt.

Lektion lernen

zurück  |  weiter 1 / 1

• Was sind Vorteile der KTT? sparsam, dh. wenige Grundannahmen in der Praxis bewährt (Testkonstruktion, Reliabilitätsschätzung usw.)
• Nennen und beschreiben Sie wesentliche Kritikpunkte an der KTT. 1) Axiome- Axiome nicht empirisch prüfbar- Axiome nicht gleichermaßen plausibel 2) keine Berücksichtigung systemaitscher Verzerrungen - Grenze der KTT 3) Parameter der KTT populations- UND Stichprobenabhängig- je heterogener Population/SP in Bezug auf untersuchtes Merkmal, je höher sind Trennschärfen und Reliabilitäten- je höher Merkmalsausprägung bei untersuchten Personen desto höher Itemschwierigkeiten- dh. Probleme bei Verallgemeinerung SP auf Population! 4) Item-Homogenität- wird durch KTT vorausgesetzt, ist aber nicht immer gegeben, zB. kann auch Mehrdimensionalität vorkommen
• Was sind die Grundgedanken der IRT? Grundfrage- welche Rückschlüsse können auf das interessierende Merkmal, zB. Offenheit für Erfahrungen gemacht werden, wenn NUR Antworten auf Items vorliegen Variablen1) Manifeste Variablen     beobachtbares Antwortverhalten auf Items2) Latente Variablen     Merkmalsausprägungen, die nicht direkt beobachtbar sind, von denen die manifesten          Variablen aber abhängen Manifeste Variablen- LösungsWS = Fähigkeit/Merkmalsausprägung der Person + Item-Schwierigkeit- zB. Hochsprung-Wettkampf: Fähigkeit "hoch-springen" + Höhe der Latte
• Was sind Voraussetzungen für den Schluss von manifesten auf latente Variablen? 1) miteinander korrelierende Testitems als Datenbasis 2) Nachweis, dass Items wirklich Indikatoren von Xi sind, dh. Prüfung Itemhomogenität
• Durch welches Verfahren wird Itemhomogenität überprüft? Überprüfung lokaler stochastischer Unabhängigkeit
• Definiere Itemhomogenität. ein Item ist dann ein guter Indikator für eine latente Variable, wenn die Leistung in diesem Item komplett auf die Fähigkeitsausprägung auf der latenten Variablen zurückzuführen ist und nicht auf andere Fähigkeiten zB. Item "Reist du gerne?" erklärt nur Offenheit für Erfahrungen, nicht andere Persönlichkeitsdimensionen
• Beschreibe lokale stochastische Unabhängigkeit an Beispiel "Offenheit für Erfahrungen". Korrelationen zwischen denselben Items verschwinden wenn alle Personen die dieses Item beantwortet haben, die gleiche Merkmalsausprägung (lV) haben zB. Item "Reist du gerne?" wird immer gleich beantwortet, wenn gleiche Ausprägung lV ("Offenheit für Erfahrungen") Prüfvorgang: Konstanthalten der lV wenn Items Voraussetzung lsU erfüllen, dh. sind Indikatoren für lV
• Nach welchen Modellarten können IRT's unterschieden werden? Anzahl der Modellparameter Art IC-Funktion nach Variablenart: latent oder manifest
• Welche beiden Modellarten spielen in der VL eine besondere Rolle? Erkläre beide kurz. Einteilung nach Variablenart: 1) Latent-Class-Modelle- Charakterisierung von Personenklassen anhand qualitativer, kategorialer, latenter Klassen- Muster von Merkmalen/Antworten 2) Latent-Trait-Modelle- kontinuierliche, latente Variablen
• Beschreiben Sie Latent-Trait-Modelle. Annahme- Ausprägungen verschiedener Probanden auf den latenten traits, als auch traitbezogene Anforderungen der Items an die Personen jeweils durch einen Parameter gekennzeichnet werden können diese Parameter:- Personen-Parameter XI-v: Fähigkeit des Pbd. v auf dem latenten trait- Item-Parameter Sigma-i: Anfoderung des Items an die zu testende Person beide werden zusammen auf joint-scale angegeben
• Anzeige
• Was ist eine IC-Funktion? Item-Charakteristischer Funktion Angabe numerischer Ausprägungen der Paramter- Zusammenhang Antwortverhalten auf Items und Ausprägung lV  in Form mathematischer Gleichung versch. IC-Funktionen für versch. Modelle
• Wie unterscheiden sich deterministische und probabilistische Modelle? deterministische Modelle- Antwortverhalten der Person vollständig durch Item- und Personenparameter bestimmt probabilistische Modelle- Annahme stochastischer Beziehung zw. Antwortverhalten der Probanden und Item- und Personenparamtern
• Beschreiben Sie das Skalogramm-Modell von Guttman (1950). Was ist ein Problem dieses Modells und wie wurde es "gelöst"? deterministisches Modell für jede Item, bestimmter Wert Xi ab dem Item gelöst/zugestimmt wird- dh. Person, die auf bestimmtes Item positiv reagiert, reagiert ebenfalls auf alle vorhergehenden positiv bzw. umgekehrt für negative Items Problem- psychodiagnostische Fragestellung nicht derart eindeutig- zB. Pbd. löst leichtes Item nicht aber schweres Lösung- Rangplatzvertauschungen als Gütemaß von Guttman eingeführt- sog. Reproduktionskoeffizienten
• Was sind Annahmen des Birnbaum-Modells? Was sind Unterschiede zum dichotomen Rasch-Modell? Verwendung sog. logistischer Funktion enthält folgende Parameter:- XI-v: Merkmalsausprägung der Person v auf lV- Sigma-i: Itemschwierigkeitsparameter, dh. wie weit rechts oder links auf x-Achse- Delta-i: Itemdiskriminationsparamter, dh. wie steil ist die Funktion > Maximum am Wendepunkt! Unterschied zum dichotomen Rasch-Modell- bei Rasch: Itemdiskriminationsparameter konstanz bei 1- Warum? viele vorteilhafte Eigenschaften!
• Welche Vorteile ergeben sich für Rasch-Modelle? erschöpfende Statistiken Stichprobenunabhängigkeit der Parameterschätzungen spezifische Objektivität der Vergleiche
• Welches ist die entscheidende Größe im dichotomen Rasch-Modell? Was sind mögliche Konsequenzen? Differenz!!Personenparameter - Itemschwierigkeitsparameter = LösungsWS des Items dh. 1. XI-v = Sigma-i > LösungsWS 0,5 und Wendepunkt logistischer Funktion2. XI-v > Sigma-i > LösungsWS größer als 0,5, nähert sich dann asymptotisch an 13. XI-v < Sigma-i > LösungsWS kleiner als 0,5, nähert sich asymptotisch der 0
• Durch welches Verfahren werden erschöpfende Statistiken möglich? Wie werden sie auch noch genannt? Was ist eine Voraussetzung für erschöpfende Statistiken? Verfahren- Datenmatrix mit den Reaktion Xvi aller Personen auf alle Items- Spalten i = 1 .... k Items- Zeilen v = 1 .... n Personen Synonym- Parameterschätzungen Voraussetzung- Rasch-Homogenität
• Welche Kennwerte sind entscheidend für die erschöpfenden Statistiken? Was ist das besondere an ihnen? Kennwerte- Zeilensummenscores: Personenparameter>>> Wie viele Items hat diese Person gelöst?- Spaltensummenscores: Itemparameter>>> Wie viele Personen haben das Item gelöst? besondere- unabhängig, welche Person welches Item löste > entscheidend ist die Anzahl!
• Beschreibe den Vorteil der Stichprobenunabhängigkeit der Parameterschätzungen. Vorteil des dichotomen-Rasch-Modells Berechnung Conditional-Maximum-Likelihood-Methode (CMLM)1. Modellkonformität2. durch Zeilensummenscores: egal welche Items gelöst wurden, entscheidend ist Anzahl3. Likelihood-Funktion NUR mit Itemparametern4. dadurch Stichprobenunabhängigkeit der Paramterschätzungen
• Durch welche Verfahren kann die Modellkonformität des dichotomen Rasch-Modells durchgeführt werden? 1. Teilung Gesamtstichprobe nach relevantem KriteriumzB. Alter, Geschlecht, Herkunft 2. grafischer Modelltest > bivariate Streudiagramme 3. mathematisch: getrennte Itemparameterschätzung in jeder Subgruppe und Prüfung auf Unterschiedlichkeit Grundgedanke:- Verteilung der Parameter in beiden Stichproben gleich- je näher Punkte an der Diagnoalen desto besser die Schätzungdh. für beide Gruppen gleich-schweres/leichtes Item
• Wodurch entsteht geringe Modellkonformität und ist sie in jedem Fall negativ? Entstehung:- untypisches Antwortverhalten der Person, zB. soz. Erwünschtheit, Schwindeln, Raten.. negativ?- nicht unbedingt! kann auch diagnostisch relevante Informationen enthalten dh. nur Aussondern, wenn diagnostisch nicht relevant
• Beschreiben Sie die spezifische Objektivität. Modellkonformität gegeben, dh. IC-Funktionen aller Items haben gleiche Form ermöglicht spezifische Objektivität der Vergleiche bedeutet: - Schwierigkeitsunterscheid zweier Items kann unabhängig davon festgestellt werden, ob Personen mit hoher oder niedriger Merkmalsausrägung Xi untersucht wurden- Unterschiede von Personenparametern sind unabhängig von verwendeten Items feststellbar
• Welchen Mehrwert liefert die Iteminformationsfunktion? bei Vergleichen zwischen Personen kann praktisch jedes Item eingesetzt werden - ABER nicht alle liefern gleich viel Information Definition- Informationsmenge ist abhängig von der Differenz zw. Fähigkeit und Itemschwierigkeit- dh. Maximale Information wenn Fähigkeit = Schwierigkeit
• Beschreiben Sie die Grundidee des Adaptiven Testens, sowie Voraussetzungen und das Ziel. Grundidee- hohe Informationsausschöpfung, wenn NUR Items verwendet werden, die hinreichend mit Fähigkeit des Probanden übereinstimmen Voraussetzung- großer IRT-homogener Itempool- groß und breit gestreute Itemschwierigkeitsparameter Ziel- Steigerung Messeffizienz (Messpräzision/Messdauer)- positive Auswirkungen auf Ökonomie und Zumutbarkeit
• Welche Messstrategien existieren für das Adaptive Testen? taylored (maßgeschneidert)- Schätzung des Personenparameters nach JEDEM Item- nicht bei paper-pencil- zB. Frankfurter Adaptiver Konzentrationsleistungstest branched (verzweigt)- verschieden schwere Itemblöcke, festes Vorgehen, Wähl nächste Block abhängig von Lösungen im aktuellen- Messeffizienz suboptimal aber möglich für paper-pencil- zB. Adaptives Intelligenzdiagnostikum für AID-3
• Was sind Kriterien für die Beendigung eines Tests? SE der Personenparameterschätzung hinreichend klein Unterschied zweier aufeinander folgender Schätzungen hinreichend klein Maximalanzahl Items dargeboten maximale Testzeit erreicht alle Items im gesamten Pool vorgelegt
• Nennen Sie weitere Modell der IRT und beschreiben Sie diese kurz. Latent-Class Modelle- Annahme qualitativer, kategorialer, latenter Variablen zur Charakterisierung von Personenunterschieden- klassenspezifische LösungsWS: LösungsWS eines Items in nominal skalierten Klassen ist unterschiedlichZiel: Berechnen mit welcher WS eine Person Person mit einem bestimmten Antwortmster einer bestimmten Klasse angehört Mixed-Rasch-Modelle- nur INNERHALB zunächst nicht bekannter latenter Klassen besteht Rasch-Homogenitätdh. verschiedene Subgruppen Linear-logistische Modelle- Grundidee: Itemparameter in IRT-Modellen sollen näher erklärt werden, indem sie als Linearkombination einer geringeren Anzahl von Basisparametern aufgefasst werden- Voraussetzung: Test muss Rasch-Modell entsprechen
• Nenne wesentliche Vorteile der IRT! Separierbarkeit Item- und Personenparamter>>> ermöglicht empirische Überprüfung von Skalierbarkeit, Eindimensionalität, Item- und Personenhomogenität IRT-konforme Tests ermöglichen Large Scale Assessments (PISA)+ Definition von Kompetenzniveaus zur kriteriumsorientierten Testwertinterpretation IRT = methodische Grundlage für Adaptives Testen Überwinden einiger Einschränkungen der KTT
• Was sind wesentliche Einschränkungen der IRT? hoher Aufwand bei TestkonstruktionWarum? hohe Menge homogener Items notwendig keine Annahmen für Personen, die alle ODER keine Items gelöst haben Prüfung Modellkonformität teilweise kompliziert weniger verbreitet als KTT

zurück  |  weiter 1 / 1