Θεωρία απόκρισης στοιχείων

Εντός του πεδίου του Θεωρία Ψυχομετρικών Δοκιμών Έχουν εμφανιστεί διαφορετικές ονομασίες που επί του παρόντος παίρνουν το όνομα της «Θεωρίας Ανταπόκρισης Στοιχείων» (F.M. Lord, 1980). Αυτή η ονομασία παρουσιάζει κάποιες διαφορές σε σχέση με το κλασικό μοντέλο: 1.- τη σχέση μεταξύ της αναμενόμενης τιμής των αποτελεσμάτων θέματος και χαρακτηριστικών (χαρακτηριστικό υπεύθυνο για τις τιμές), δεν είναι συνήθως του τύπου γραμμικός. 2.- Προτίθεται να κάνει ατομικές προβλέψεις χωρίς να χρειάζεται να αναφέρεται στα χαρακτηριστικά της κανονιστικής ομάδας.

Δείκτης

1. Θεωρία απόκρισης στο είδος ή στα μοντέλα λανθάνουσας ιδιότητας στη θεωρία δοκιμών
2. Μοντέλα θεωρίας απόκρισης αντικειμένου (tri)
3. Εκτίμηση παραμέτρων
4. Δοκιμή κατασκευής
5. Εφαρμογές της θεωρίας απόκρισης αντικειμένων
6. Ερμηνεία των αποτελεσμάτων

Βλέπουμε, λοιπόν, ότι αυτή η Θεωρία Ανταπόκρισης Στοιχείων παρέχει τη δυνατότητα ξεχωριστής περιγραφής τόσο αντικειμένων όσο και ατόμων. Θεωρεί επίσης ότι η απάντηση που δίνεται από το άτομο εξαρτάται από το επίπεδο ικανότητας που έχει στο εύρος που εξετάζει. Η προέλευση αυτών των μοντέλων οφείλεται στον Lazarsfeld, 1950, ο οποίος εισήγαγε τον όρο "λανθάνουσα ιδιότητα".

Από εδώ θεωρείται ότι κάθε άτομο έχει μια μεμονωμένη παράμετρο που είναι υπεύθυνη για τα χαρακτηριστικά του θέματος, που ονομάζεται επίσης «χαρακτηριστικό». Αυτό το χαρακτηριστικό δεν είναι άμεσα μετρήσιμο, επομένως η μεμονωμένη παράμετρος ονομάζεται λανθάνουσα μεταβλητή. Κατά τη στιγμή της εφαρμογής των δοκιμών, μπορούν να ληφθούν δύο διαφορετικά πράγματα, η πραγματική βαθμολογία και η κλίμακα ικανότητας. Αυτό επιτυγχάνεται εάν περάσουμε δύο δοκιμές για την ίδια ικανότητα στην ίδια ομάδα.

Στη θεωρία λανθάνουσας ιδιότητας ή στη θεωρία απόκρισης στοιχείων η πραγματική βαθμολογία είναι η αναμενόμενη τιμή της παρατηρούμενης βαθμολογίας. Σύμφωνα με τον Λόρδο, το πραγματικό σκορ και η φυσική κατάσταση είναι το ίδιο πράγμα, αλλά εκφράζονται σε διαφορετικές κλίμακες μέτρησης.

Binomial Error Models: εισήχθησαν από τον Lord (1965), ο οποίος υποθέτει ότι η παρατηρούμενη βαθμολογία αντιστοιχεί στον αριθμό των σωστών απαντήσεων που ελήφθησαν στη δοκιμή (των οποίων Όλα τα στοιχεία έχουν την ίδια δυσκολία και έχουν τοπική ανεξαρτησία, δηλαδή, η πιθανότητα σωστής απάντησης ενός στοιχείου δεν επηρεάζεται από τις απαντήσεις που δόθηκαν σε άλλα στοιχεία. ).

Μοντέλα Poisson: αυτά τα μοντέλα είναι κατάλληλα για τις δοκιμές που έχουν μεγάλο αριθμό αντικειμένων και στις οποίες η πιθανότητα σωστής ή λανθασμένης απάντησης είναι μικρή. Μέσα σε αυτήν την ομάδα, με τη σειρά μας, έχουμε διαφορετικά μοντέλα:

1. Μοντέλο Poisson του Rasch, των οποίων οι υποθέσεις είναι: κάθε δοκιμή έχει μεγάλο αριθμό δυαδικών στοιχείων που είναι τοπικά ανεξάρτητα. η πιθανότητα σφάλματος σε κάθε στοιχείο είναι μικρή. η πιθανότητα ότι το άτομο κάνει ένα σφάλμα εξαρτάται από δύο πράγματα, τη δυσκολία του τεστ και την ικανότητα του θέματος. η προσθετικότητα των δυσκολιών, κατανοητή ως αποτέλεσμα της ανάμιξης δύο ισοδύναμων δοκιμών σε μία μόνο δοκιμή, η δυσκολία της οποίας είναι το άθροισμα των δυσκολιών των δύο αρχικών δοκιμών.
2. Μοντέλο Poisson για αξιολόγηση ταχύτητας: Αυτό το μοντέλο προτάθηκε επίσης από τον Rasch και χαρακτηρίζεται από τη συνεκτίμηση της ταχύτητας στην εκτέλεση του τεστ. Το μοντέλο μπορεί να εξεταστεί με δύο τρόπους: να μετρήσει τον αριθμό των λαθών που έγιναν και τις λέξεις που διαβάζονται σε μια μονάδα χρόνου. μετρήστε τον αριθμό των λαθών που έγιναν και το χρόνο που αφιερώθηκε κατά την ολοκλήρωση της ανάγνωσης του κειμένου. Η πιθανότητα εκτέλεσης ορισμένου αριθμού λέξεων μιας δοκιμής (i) από ένα αντικείμενο (j), κατά τη διάρκεια ενός χρόνου (t)
3. Κανονικά μοντέλα κεφαλής: είναι ένα μοντέλο που προτάθηκε από τον Λόρδο (1968), το οποίο χρησιμοποιείται σε δοκιμές με διχοτομημένα αντικείμενα και με μία κοινή μεταβλητή. Το γράφημα θα είναι το ακόλουθο: Οι βασικές παραδοχές που χαρακτηρίζουν αυτό το μοντέλο είναι:

• ο λανθάνων χώρος παραλλαγής είναι μονοδιάστατος (k = 1).
• τοπική ανεξαρτησία μεταξύ intems.
• η μέτρηση για τη λανθάνουσα μεταβλητή μπορεί να επιλεγεί έτσι ώστε η καμπύλη για κάθε στοιχείο να είναι η κανονική κεφαλή.

Μοντέλα Logistics; Είναι ένα μοντέλο πολύ παρόμοιο με το προηγούμενο, αλλά έχει επίσης περισσότερα πλεονεκτήματα σε σχέση με τη μαθηματική του επεξεργασία. Η συνάρτηση logistic έχει την ακόλουθη μορφή: Υπάρχουν διαφορετικά μοντέλα logistic ανάλογα με τον αριθμό των παραμέτρων που έχουν:

• Λογιστικό μοντέλο 2 παραμέτρων, Birnbaum 1968, μεταξύ των χαρακτηριστικών του αναφέρουμε ότι είναι μονοδιάστατο, υπάρχει τοπική ανεξαρτησία, τα αντικείμενα είναι διχοτομικά κ.λπ.
• Λογιστικό μοντέλο 3 παραμέτρωνΚύριε, χαρακτηρίζεται επειδή η πιθανότητα χτυπήματος με μαντέψεις είναι ένας παράγοντας που θα επηρεάσει την απόδοση του τεστ. 4.3. Λογιστικό μοντέλο 4 παραμέτρων: μοντέλο που προτάθηκε από τους McDonald 1967 και Barton-Lord το 1981, σκοπός του οποίου είναι εξηγήστε τις περιπτώσεις στις οποίες άτομα που έχουν υψηλό επίπεδο ικανότητας δεν ανταποκρίνονται σωστά στο είδος.
• Λογιστικό μοντέλο Rasch: Αυτό το μοντέλο είναι αυτό που έχει δημιουργήσει τον μεγαλύτερο αριθμό θέσεων εργασίας παρά το μειονέκτημα, δηλαδή ότι η προσαρμογή του στα πραγματικά δεδομένα είναι πιο δύσκολη. Σε αντίθεση με αυτό, το πλεονέκτημα που το καθιστά τόσο ευρέως χρησιμοποιούμενο είναι ότι δεν απαιτεί μεγάλα μεγέθη δείγματος για την προσαρμογή του.

Η μέθοδος που έχει χρησιμοποιηθεί περισσότερο είναι το Maximum Likelihood, μαζί με αυτήν τη μέθοδο χρησιμοποιούνται αριθμητικές διαδικασίες προσέγγισης όπως οι Newton-Raphson και Scoring (Rao). Η Μέγιστη Μέθοδος Πιθανότητας βασίζεται στην αρχή της απόκτησης εκτιμητών των άγνωστων παραμέτρων που μεγιστοποιούν την πιθανότητα λήψης τέτοιων δειγμάτων. Εκτός από τη μέγιστη πιθανότητα, χρησιμοποιείται επίσης η εκτίμηση Bayesian, με βάση το θεώρημα Bayes, το οποίο Συνίσταται στην ενσωμάτωση όλων των γνωστών πληροφοριών, a priori, που σχετίζονται με τη διαδικασία της εξαγωγής συμπερασμάτων. Μια πιο εις βάθος μελέτη της μεθόδου Bayesian για τον υπολογισμό των παραμέτρων φυσικής κατάστασης πραγματοποιείται από τους Birnbaum (1996) και Owen (1975).

ΛΕΙΤΟΥΡΓΙΕΣ ΠΛΗΡΟΦΟΡΙΩΝ

Η καλύτερη δοκιμή που μπορεί να κατασκευαστεί είναι αυτή που παρέχει τη μεγαλύτερη ποσότητα πληροφοριών σχετικά με το λανθάνον χαρακτηριστικό. Η ποσοτικοποίηση αυτών των πληροφοριών γίνεται μέσω των "συναρτήσεων πληροφοριών". Ο τύπος της συνάρτησης πληροφοριών, Birnbaum 1968, είναι ο ακόλουθος: Πρέπει να ληφθεί υπόψη ότι οι πληροφορίες που λαμβάνονται σε μια δοκιμή είναι το άθροισμα των πληροφοριών κάθε στοιχείου, επιπλέον η συνεισφορά κάθε αντικειμένου δεν εξαρτάται από τα υπόλοιπα στοιχεία που αποτελούν το δοκιμή. Σε γενικές γραμμές, μπορούμε να πούμε ότι οι πληροφορίες, σε όλα τα μοντέλα:

• ποικίλλει ανάλογα με τα επίπεδα φυσικής κατάστασης.
• όσο μεγαλύτερη είναι η κλίση της καμπύλης, τόσο περισσότερες πληροφορίες.
• εξαρτάται από τη διακύμανση των αποτελεσμάτων, όσο υψηλότερη είναι, τόσο λιγότερες πληροφορίες.

Το πρώτο καθήκον Και ένα από τα πιο σημαντικά κατά την κατασκευή ενός τεστ είναι η επιλογή αντικειμένων, η προηγούμενη συμφωνία των θεωρητικών υποθέσεων που θα πρέπει να καθορίζουν το χαρακτηριστικό που σκοπεύει να μετρήσει η δοκιμή. Η έννοια "Ανάλυση αντικειμένων" αναφέρεται στο σύνολο αυτών των επίσημων διαδικασιών που πραγματοποιούνται για την επιλογή αυτών των στοιχείων που τελικά θα αποτελέσουν το τεστ. Οι πληροφορίες που θεωρούνται πιο σχετικές με τα είδη είναι:

1. Δυσκολία στοιχείου, ποσοστό ατόμων που το κάνουν σωστό.
2. Διακρίσεις, συσχέτιση κάθε στοιχείου με τη συνολική βαθμολογία στο τεστ.
3. Ανιχνευτές ή ανάλυση σφαλμάτων, η επιρροή τους είναι σχετική, επηρεάζει τη δυσκολία του αντικειμένου και προκαλεί την υποτίμηση των τιμών διάκρισης.

Κατά τον καθορισμό δεικτών των διαφορετικών δεικτών, χρησιμοποιούνται συνήθως ορισμένα στατιστικά στοιχεία ή δείκτες, με τα ακόλουθα να χρησιμοποιούνται περισσότερο:

Δείκτης δυσκολίας Δείκτης του διάκριση Δείκτης αξιοπιστίας Δείκτης εγκυρότητας Γνωρίζοντας τους δείκτες που πρέπει να ληφθούν υπόψη για το επιλογή των στοιχείων που θα αποτελέσουν το τεστ, θα δούμε ποια βήματα είναι απαραίτητα για την κατασκευή του μια δοκιμή:

1. Προσδιορισμός του προβλήματος.
2. Αναφέρετε ένα μεγάλο σύνολο αντικειμένων και εντοπίστε τα.
3. Επιλογή μοντέλου.
4. Δοκιμάστε τα προεπιλεγμένα στοιχεία.
5. Επιλέξτε τα ιδανικά αντικείμενα.
6. Μελετήστε τις ιδιότητες του τεστ
7. Καθορίστε τον κανόνα για την ερμηνεία του τελικού τεστ που αποκτήθηκε.

Από τα προηγούμενα σημεία, πρέπει να σημειωθεί ότι η επιλογή του μοντέλου, σημείο 3, θα εξαρτηθεί από τους στόχους που επιδιώκει τη δοκιμή, τα χαρακτηριστικά και την ποιότητα των δεδομένων και των διαθέσιμων πόρων. Όταν επιλέγεται ένα μοντέλο, έχουν ήδη δοθεί οι θεωρητικές συνθήκες στις οποίες μπορεί να εφαρμοστεί παρά τις αρετές του Πρέπει να αναλύονται σε κάθε περίπτωση και συγκεκριμένες περιστάσεις. Οι ιδιότητες που αποδίδονται σε εκείνα τα μοντέλα που αποτελούν το Θεωρία απόκρισης στοιχείου (TRI), μπορεί να επηρεαστεί από:

• η διάσταση του τεστ η σπάνια διαθεσιμότητα του δείγματος έλλειψη πόρων υπολογιστών Υπάρχουν μια σειρά προτιμήσεων όταν χρησιμοποιείτε ένα ή τα άλλα μοντέλα, ας τα δούμε: τα κανονικά μοντέλα κεφαλών δεν χρησιμοποιούνται συνήθως σε εφαρμογές, η αξία τους είναι θεωρητικός.
• Rasch: κατάλληλο για οριζόντια σύγκριση (συγκρίσιμες δοκιμές σε επίπεδα δυσκολίας με παρόμοιες κατανομές ικανοτήτων). να έχουν διαφορετικές μορφές του ίδιου τεστ. * Παράμετροι 2 και 3: είναι αυτές που προσαρμόζονται καλύτερα σε διάφορα προβλήματα.
• για την ανίχνευση λανθασμένων προτύπων απόκρισης. για κάθετη αντιστοίχιση των δοκιμών (συγκρίνει τις δοκιμές με διαφορετικά επίπεδα δυσκολίας και διαφορετικές κατανομές για την ικανότητα).

Παράμετροι 1 και 2:

• κατάλληλο για την κατασκευή μιας ενιαίας κλίμακας έτσι ώστε οι δεξιότητες να μπορούν να συγκριθούν σε διαφορετικά επίπεδα.

Η επιλογή του μοντέλου, εκτός από το τέλος που πρέπει να ακολουθηθεί, μπορεί να επηρεαστεί από το μέγεθος του δείγματος. Σε περίπτωση που το δείγμα είναι μεγάλο και αντιπροσωπευτικό, δεν θα υπάρξει πρόβλημα, είτε πρόκειται για το κλασικό ή λανθάνων χαρακτηριστικό μοντέλο. Αλλά στο TRI ( θεωρία απόκρισης αντικειμένων ) ένα μικρό δείγμα καθιστά απαραίτητη την επιλογή μοντέλων με μικρό αριθμό παραμέτρων, ακόμη και το μοντέλο μίας παραμέτρου.

Ας δούμε ποιες είναι οι πιο κοινές εφαρμογές: α) Εξίσωση δοκιμών, μερικές φορές είναι Είναι απαραίτητο να συσχετιστούν οι βαθμολογίες που λαμβάνονται σε διαφορετικές δοκιμές, με δύο δυνατές σκοποί:

• Οριζόντια εξίσωση: επιδιώκει να λάβει διαφορετικές μορφές του ίδιου τεστ.
• Κάθετη εξίσωση: επιδιώκει να δημιουργήσει μία κλίμακα ικανότητας με διαφορετικά επίπεδα δυσκολίας. Όσον αφορά την εξισορρόπηση των δοκιμών, ο Λόρδος (1980) εισάγει την έννοια της «δικαιοσύνης», η οποία υπονοεί ότι για κάθε θέμα δύο δοκιμές Μπορούν να είναι εναλλάξιμα δεδομένου ότι εφαρμόζεται ότι το ένα ή το άλλο δεν θα αλλάξει το επίπεδο ικανότητας που είχε εκτιμηθεί για το θέμα.

Μελέτη προκατάληψης αντικειμένου, ένα στοιχείο προκαλείται μεροληψία όταν, κατά μέσο όρο, δίνει σημαντικά διαφορετικές βαθμολογίες σε συγκεκριμένες ομάδες που θεωρείται ότι ανήκουν στον ίδιο πληθυσμό.

Προσαρμοσμένες ή μέσες δοκιμέςΜέσω IRT, μπορούν να κατασκευαστούν εξατομικευμένες δοκιμές που επιτρέπουν την ακριβή συμπερίληψη της πραγματικής τιμής του συγκεκριμένου χαρακτηριστικού. Η διαχείριση των στοιχείων θα διαδοχικά, η παρουσίαση ενός αντικειμένου ή άλλου εξαρτάται από τις απαντήσεις που δόθηκαν προηγουμένως. Υπάρχουν διαφορετικοί τύποι προσαρμοσμένων δοκιμών, επισημαίνουμε τα εξής:

• διαδικασία δύο σταδίων, Lord 1971; Bertz and Weiss 1973 - 1974. Το ίδιο τεστ περνάει πρώτα και, ανάλογα με τα αποτελέσματα, πραγματοποιείται μια δεύτερη δοκιμή.
• Διαδικασία σε διάφορα στάδια, είναι η ίδια με την προηγούμενη, μόνο ότι η διαδικασία περιλαμβάνει περισσότερα στάδια.
• Σταθερό διακλαδισμένο μοντέλο, Lord 1970, 1971, 1974 Mussio 1973. Όλα τα θέματα επιλύουν το ίδιο αντικείμενο, σύμφωνα με την απάντηση, επιλύεται ένα σύνολο αντικειμένων.
• Το μεταβλητό διακλαδισμένο μοντέλο βασίζεται στην ανεξαρτησία μεταξύ των στοιχείων και στις ιδιότητες των εκτιμητών μέγιστης πιθανότητας.

Τράπεζα αντικειμένωνΤο να έχετε ένα μεγάλο σύνολο αντικειμένων είναι κάτι που θα βελτιώσει την ποιότητα της δοκιμής, αλλά για αυτό τα στοιχεία πρέπει πρώτα να περάσουν από μια διαδικασία εντοπισμού σφαλμάτων. Προκειμένου να ταξινομηθούν τα αντικείμενα, είναι απαραίτητο να ληφθεί υπόψη ποιο είναι το χαρακτηριστικό στο οποίο προορίζεται να μετρήσει η δοκιμή από την οποία θα αποτελέσει το αντικείμενο αυτό.

Ζυγός: σκοπός του είναι να προσφέρει ένα συνεχές ώστε να είναι σε θέση να ταξινομήσει, να ταξινομήσει ή να γνωρίζει ποιο είναι το σχετικό μέγεθος του αξιολογούμενου χαρακτηριστικού. Αυτό θα μας επιτρέψει να διαπιστώσουμε διαφορές και ομοιότητες σε ανθρώπους σχετικά με αυτό το χαρακτηριστικό. Οι κλίμακες που χρησιμοποιούνται στην Ψυχολογία είναι: ονομαστικές, κανονικές, διαστήματα και αναλογίες. Αυτές οι κλίμακες κατασκευάζονται από τα αποτελέσματα των δοκιμών, τα αποτελέσματα που ονομάζονται "άμεσες βαθμολογίες".

Συμβολίζω: η τυποποίηση ενός τεστ είναι να μετατρέψετε τις άμεσες βαθμολογίες σε άλλες που είναι εύκολα ερμηνεύσιμες από το Η βαθμολογημένη βαθμολογία θα αποκαλύψει τη θέση του θέματος σε σχέση με την ομάδα και θα μας επιτρέψει να κάνουμε intra και ενδοϋποθέσεις. Υπάρχουν δύο μορφές πληκτρολόγησης:

1. Γραμμικά, διατηρούν το σχήμα της κατανομής και δεν τροποποιούν το μέγεθος των συσχετίσεων.
2. Μη γραμμικά, δεν διατηρούν την κατανομή ή το μέγεθος των συσχετίσεων.

ΚΛΙΜΑΚΑ ΕΦΑΡΜΟΓΗΣ Στην IRT, η κλίμακα που κατασκευάζεται είναι η κλίμακα που αντιστοιχεί στα επίπεδα ικανότητας. Αυτή η κλίμακα χαρακτηρίζεται από το ότι οι εκτιμήσεις και οι αναφορές γίνονται άμεσα σε σχέση με την ικανότητα και την κλίμακα της. Επιπλέον, αυτή η ικανότητα που εκτιμάται εξαρτάται μόνο από το σχήμα της χαρακτηριστικής καμπύλης των αντικειμένων. Μεταξύ των πιθανών κλιμάκων, αναφέρουμε δύο:

1. Κλίμακα, που προτάθηκε από τον Woodcock (1978) και ορίζεται από τον ακόλουθο τύπο:
2. Κλίμακα WITS, που προτάθηκε από τον Wright (1977), αυτή η κλίμακα είναι μια τροποποίηση της προηγούμενης και δίνεται από την ακόλουθη σχέση:

Αυτό το άρθρο είναι απλώς ενημερωτικό, στο Psychology-Online δεν έχουμε τη δύναμη να κάνουμε διάγνωση ή να προτείνουμε θεραπεία. Σας προσκαλούμε να πάτε σε ψυχολόγο για να αντιμετωπίσετε τη συγκεκριμένη περίπτωσή σας.

Αν θέλετε να διαβάσετε περισσότερα άρθρα παρόμοια με Θεωρία απόκρισης στοιχείων - Εφαρμογές και δοκιμή, σας συνιστούμε να εισαγάγετε την κατηγορία μας Πειραματική ψυχολογία.