5
Testtheorie und Testkonstruktion (Fach) / Generalisierbarkeitstheorie 2 (Lektion)
2-Facetten-Design
Diese Lektion wurde von makem erstellt.
Diese Lektion ist leider nicht zum lernen freigegeben.
- 2-Facetten-Design Beispiel 2 trainierte Lehrer (Rater) beobachten die Aggressivität von 5 Kindern (Messobjekt, Personen) zu 2 Messzeitpunkten (Occasions) Rater = FacetteMesszeitpunkt = Facette daher 2-Facetten-Design
- 2-Facetten-Design Varianzkomponenten formalisierte Darstellung Xptr = μ (grand mean) + μp-μ (person effect) + μt-μ (task effect) + μr-μ (rater effect) + μpt-μp -μt -μ (person x task effect) + μpr-μp -μr -μ (person x rater effect) + μtr-μt -μr -μ (task x rater effect) + Xptr -μpt-μpr-μtr-μp -μt -μr -μ (residual)
- relative Entscheidung Welche Facetten gehen in Rel ein? (pxr) (pxtxr) + Error (pxt)
- absolute Entscheidung Welche Facetten gehen in Rel ein? (pxr) (pxtxr) + Error (pxt) (txr) Tasks (t) Rater (r) alles außer Personen(p)
- G-Theorie Vorteile Einfluss mehrerer Fehlerquellen kann berücksichtigt werden Darauf aufbauend lassen sich effiziente Folgestudien planen und durchführen Unterschiedliche Reliabilitätsmaße für relative und absolute Entscheidungen Idealerweise (aber aus praktischen Gesichtspunkten nicht immer realisierbar) Vollständige Designs, um jede Varianzkomponente betrachten zu können Je mehr Bedingungen, desto stabilere Schätzungen der Komponenten
Anzeige