Der Trennschärfeparameter legt die Steilheit fest & Der Itemparameter legt die Lage fest

Der x-Wert des Wendepunktes der logistischen Funktion gibt den Itemparameter an. & Der Itemparameter im Rasch-Modell entspricht dem Schwellenparameter im ordinalen Rasch-Modell

Der generosity-error als Unterform des Milde-Effekts beschreibt die Tendenz, generell günstige Urteile abzugeben & Die Zentrale Tendenz beschreibt den Umstand, dass der Beurteiler extreme Urteile meidet und neutrale bevorzugt

Naa lernt Dia 1

SS24, AK-Fragen

121

0.0 (0)

S. B.

Lernen

S. B.

Über diese Lernkartei

Diese Karteikarten behandeln psychologische Testverfahren und Modelle auf Universitätsniveau, mit Fokus auf Validität, Reliabilität und Itemanalyse. Sie decken Themen wie das Rasch-Modell, die Item-Response-Theorie und die Interpretation von Testwerten ab. Besonders nützlich für Studierende der Psychologie, die sich auf Prüfungen oder die Anwendung von Testverfahren in der Praxis vorbereiten.

Karten

121

Lernende

Sprache

Deutsch

Kategorie

Psychologie

Stufe

Universität

Erstellt / Aktualisiert

31.07.2024 / 17.02.2025

Ähnliche Karteien

Lernkarten

Likelihoodfunktion: Person 1 hat eine Fähigkeit von ξ=1.1 und erreicht in der Likelihoodfunktion einen Wert von 0,35; Person 2 mit ξ=3.1 einen Wert von 0,21.

Fähigkeitsparameter 1.1 passt besser zur Modellstruktur

ξ =3.1 passt besser zur Modellstruktur

Die Wahrscheinlichkeit ein Item zu lösen beträgt bei Fähigkeit 1.1 35%.

Die Wahrscheinlichkeit ein Item zu lösen beträgt bei 3.1 21%.

Adaptives Testen

Adaptives Testen bedeutet, dass der Schwierigkeitsunterschied zweier Items unabhängig von der Stichprobe ist

Adaptives Testen ermöglicht kürzere Tests

Man benötigt für das Adaptive Testen Rasch-Homogenität

Beispiele hierfür sind AID2 und FAKT

Deterministische Theorie

Wird auch Skalogramm-Modell genannt

Wird auch Guttman-Modell genannt

Hat eine Rechteckfunktion

Hat eine logistische Ogivenfunktion

Homogen sind Items genau dann, wenn eine Person, die alle leichten Items löst, auch die schwereren lösen kann

Mehrparametermodell

Es handelt sich um die Formel für ein 1-Parametermodell Theta und Sigma

Es handelt sich um die Formel für ein 2-Parametermodell Theta, Sigma und Betta

Es handelt sich um die Formel für ein 3-Parametermodell alle 3 plus gamma

Es handelt sich um die Formel für ein 4-Parametermodell

Mehrparametermodell

Beta ist die Trennschärfe /Diskriminationsparameter

Teta ist die Fähigkeit

Gamma ist der Rateparameter

Sigma ist die Schwierigkeit

Mehrparametermodell

Der Trennschärfeparameter legt die Steilheit fest

Der Rateparameter legt die Steilheit fest

Der Trennschärfeparameter legt die untere Asymptote fest

Der Itemparameter legt die Lage fest

Rasch-Modell

Beim dichotomen Rasch-Modell handelt es sich stets um zwei Kategorien

Mittels des ordinalen Rasch-Modells lässt sich die Wahrscheinlichkeit bestimmen, mit der eine Person in einer bestimmten Kategorie landet

Das ordinale Rasch-Modell ist im Gegensatz zum klassischen Rasch-Modell deterministisch

Rasch-Modell

Der x-Wert des Wendepunktes der logistischen Funktion gibt den Itemparameter an.

Im dichotomen Rasch-Modell ist die Schwellen-wahrscheinlichkeit gleich der Lösungswahrscheinlichkeit

Der Itemparameter im Rasch-Modell entspricht dem Schwellenparameter im ordinalen Rasch-Modell

Rasch-Modell

Das Partial-Credit-Modell ist ein Mehrparameter-Modell

Für das ordinale Rasch-Modell kann auch die Likelihood berechnet werden

Als Itemgüte-Maß wird im ordinalen Rasch-Modell der Z-Index verwendet

Kategorien

Höhere Kategorien liegen immer weiter rechts.

Eine zentrale Voraussetzung für das ordinale Rasch-Modell ist es, dass die Kategorien geordnet sind

Je größer eine Kategorie, desto unwahrscheinlicher wird eine Testperson in ihr landen

Ein Beispiel für ein ordinales Antwortformat auf die Frage „Ich bin stolz auf meine Leistung“ ist: 1. Ich stimme zu, 2. Ich stimme eher nicht zu, 3. Ich stimme überhaupt nicht zu.

Liegt der Personenparameter links vom Schnittpunkt zweier Kategorien, ist es wahrscheinlicher in der höheren zu landen.

Schwellen

Überschreiten einer Schwelle bedeutet in einer höheren Kategorie zu landen

Direkt auf der Schwelle ist die Wahrscheinlichkeit, in einer der beiden benachbarten Kategorien zu landen, genau gleich

Bei sechs Kategorien gibt es sieben Schwellen

Bei sechs Kategorien gibt es fünf Schwellen

Modelle

Es handelt sich um das Partial-Credit-Modell

Es handelt sich um das Ratingskalen-Modell

Es handelt sich um das Äquidistanz-Modell

Es handelt sich um das Dispersions-Modell

Modelle

Es handelt sich um das Partial-Credit-Modell

Es handelt sich um das Ratingskalen-Modell

Es handelt sich um das Äquidistanz-Modell

Es handelt sich um das Dispersions-Modell

Welche Wahrscheinlichkeit ist abgebildet?

Schwellenwahrscheinlichkeit

Kategorienwahrscheinlichkeit

Lösungswahrscheinlichkeit

Wahrscheinlichkeit, Schwelle zu überschreiten.

Wahrscheinlichkeit, Schwelle zu unterschreiten

Schwellen und Kategorien

es gibt vier Schwellen

es gibt 5 Schwellen

Es gibt 5 Kategorien

es gibt 4 Kategorien

Welche Werte nimmt tau an?

t=-1

t=0,5

t=1

t=2

t=3

Warum handelt es sich nicht um ein Äquidistanzmodell?

Die Schwellen sind nicht symmetrisch zum Nullpunkt.

Die Schwellendistanzen sind ungleich.

Die Schwellen sind nicht geordnet.

Die Schwellen sind geordnet.

Wiederholung Birnbaum-Modell

Es handelt sich um eine probabilistische Testtheorie

Es handelt sich um eine Item-Response-Theorie

Es handelt sich um eine deterministische Testtheorie

Wiederholung Birnbaum-Modell

Bei Item 1 ist σ = 0

Bei Item 1 ist σ = -2

Bei Item 2 ist σ = 0,5

Bei Item 2 ist σ = 2

Schwellenwkt q = 0,5 muss abgelesen werden

Wiederholung Birnbaum-Modell: Welches Items löst eine Person eher mit Fähigkeit 0 = -2

Item 2, weil schwieriger

Item 2, weil Ordinatenwert höher

Item 1, weil Ordinatenwert niedriger

Item 1, weil leichter

Welche Parameter entsprechen sich in IRT und KTT?

Teta entspricht dem Truescore

Gamma entspricht der Zufallskorrektur

Sigma entspricht dem Schwierigkeitsgrad

Beta entspricht der Trennschärfe

Xi entspricht der Fähigkeit

Itemkennwerte

In der KTT ist die Schwierigkeit nicht Teil des Modells

In der KTT wird der Schwierigkeitsindex genutzt

In der IRT gibt es keine Modellierung eines Parameters für Diskrimination eines Items analog zum Kennwert der Trennschärfe in der KTT

Gütekriterien

Auf Itemebene gibt es in der IRT den Q-Index als Maß für die Übereinstimmung der Daten mit den geschätzten Fähigkeitsparametern

Objektivität hinsichtlich Durchführung, Auswertung und Interpretation gibt es sowohl bei KTT als auch bei IRT

Die Schätzung des Reliabilitätsindex ist der wesentliche Vorteil der IRT gegenüber der KTT

Die Schätzung des Reliabilitätsindex ist der wesentliche Vorteil der KTT gegenüber der IRT

. Unterscheidung von Verhaltensbeobachtungen

Bei Verhaltensbeobachtung als begleitendem Verfahren geht es v. a. um zielgerichtete und methodisch kontrollierte Wahrnehmung von Phänomenen

Bei Verhaltensbeobachtung als selbstständigem Verfahren geht es v. a. um zielgerichtete und methodisch kontrollierte Wahrnehmung von Phänomenen

Verhaltensbeobachtung als selbstständiges Verfahren ist normalerweise Bestandteil jedes psychologischen Handelns

Verhaltensbeobachtung als begleitendes Verfahren ist normalerweise Bestandteil jedes psychologischen Handelns

Selbstbeobachtung wird mit dem Begriff der Introspektion in Verbindung gebracht, Fremdbeobachtung mit „Interpretation“

Unterscheidung von Verhaltensbeobachtungen II

Bei der unsystematischen Beobachtung erfolgt die Kodierung eher deskriptiv und qualitativ

Fragen für eine Beobachtung von Verhaltensverlauf sind z. B. „Wie intelligent ist eine Person?“

Fragen für eine Beobachtung von Verhaltenszustand sind z. B. „Wie intelligent ist eine Person?“

Der Idealtyp für Beobachtung in künstlicher Situation ist das psychologische Experiment

Wenn ein Ethnologe Teil eines indogenen Stammes wird, wird das „teilnehmende Beobachtung“ genannt

Beobachtungseinheiten

sprachliche Differenzierung führt zu reliableren Verhaltensbeobachtungen

Es werden natürliche und künstliche Einheiten unterschieden

Ziel sollte eine Trennung von Beobachtung und Introspektion sein

Beim deduktiv-theoretischen Zugang gibt eine Theorie vor, was beobachtet werden soll, sodass die zu sammelnden Informationen von Anfang an eingegrenzt sind

Ziel sollte eine Trennung von Beobachtung und Interpreation sein

Time vs Event Sampling

)„time sampling“ bezeichnet die Erfassung von Zeitstichproben

Beim time sampling wird in festgelegten Zeitabschnitten alles Verhalten registriert

Ein Beispiel für eventsampling ist, jede volle Stunde eine Minute eine Filmaufnahme zu machen

Ein Beispiel für timesampling ist, jede volle Stunde eine Minute eine Filmaufnahme zu machen

Verzerrungstendenzen

Hofeffekt: Dominanz einer Eigenschaft, die die Eindrucksbildung bestimmt

Überstrahlungseffekt: Der Beobachter lässt sich in seinen Schlussfolgerungen von seinen Hypothesen leiten

Kontrastfehler: Beobachter tendiert dazu, in der Zielperson die Eigenschaften zu erkennen, die er sich selbst abspricht

Ähnlichkeitsfehler: Beobachter tendiert dazu, in der Zielperson die Eigenschaften zu erkennen, die er sich selbst zuspricht

self fullfilling prophecy: Der Beobachter lässt sich in seinen Schlussfolgerungen von seinen Hypothesen leiten

Verzerrungstendenzen

Der generosity-error als Unterform des Milde-Effekts beschreibt die Tendenz, generell günstige Urteile abzugeben

Der leniency-error als Unterform des Strenge-Effekts beschreibt den Zustand, dass der Beurteiler seinen Milde-Effekt bemerkt und ihn mit Strenge überkompensiert

Die Zentrale Tendenz beschreibt den Umstand, dass der Beurteiler extreme Urteile meidet und neutrale bevorzugt

Gütekriterien

„Objektivität“ ist hier Beobachter-Übereinstimmung

Die Reliabilität von Verhaltensbeobachtungen hat üblicherweise einen Wert von r=.30

Kriterien für die Validität sind oft Zustimmung des Beurteilten, Zustimmung von Bekannten des Beurteilten und Verhalten des Beurteilten in einem standardisierten Test

Was gehört zur funktionalen Verhaltensanalyse nach Kanfer?

Konsequenz

Konsistenz

Organismus

Stimulus

Was gehört zur funktionalen Verhaltensanalyse nach Kanfer?

Reaktion

Kontingenz

Äquivalenz

Was gehört zur erweiterten funkt. Verhaltensanalyse nach Kanfer?

Tiefendynamik

Qualität & Intensität

Kontext

Wahrnehmung

Was gehört zur erweiterten funkt. Verhaltensanalyse nach Kanfer?

Möglichkeiten

Rückwirkungen

Familiäre Beziehungen

Folgen

Funktionen der Klassifikation

Auswahl und Entwicklung der Interventionsstrategie

Kommunikation zwischen Fachleuten

Didaktik

Verbesserung der Ätiologie und pathologischen Forschung

Prognose

Kostenübernahme durch Krankenkassen erfolgt bei…

Wirtschaftlichkeit der Behandlung

Hinreichend günstiger Prognose für den Behandlungsverlauf

Diagnosestellung nach den Kriterien von DSM-V

Nachweis der Zweckmäßigkeit der Behandlung

Behandlungsnotwendigkeit

Ebenen des ICD-10

1. Ebene (Buchstabe): kennzeichnet Gruppe zu der Störung gehört

2. Ebene (1. Ziffer): kennzeichnet Art der Störung

3. Ebene (2. Ziffer): kennzeichnet spezifische Störung

4. Ebene (3. Ziffer): zeigt Subkategorie durch Schweregrad an

5. Ebene (4. Ziffer): zeigt Zusatzspezifikation wie Verlauf, Zustand oder Begleitsymptome an

Ebenen des ICD-10

1. Ebene (Buchstabe): kennzeichnet Art zu der Störung gehört

2. Ebene (1. Ziffer): kennzeichnet Gruppe der Störung

6. Ebene: Zusatzspezifikation

AG Spezi Sub Zusatz

DSM-IV

Achse II umfasst detaillierte Kriterien zur Klassifikation von Persönlichkeitsstörungen und geistiger Behinderung

DSM-IV besteht aus vier Achsen

Es basiert nicht auf einer empirischen Grundlage

Unterschiede von DSM-IV und ICD-10 bestehen in der Beschreibung der notwendigen Verhaltens-und Erlebnismerkmale einer Störung

Unterschiede von DSM-IV und ICD-10 bestehen bei der Zusammenfassung von Störungen in verschiedene Unterklassen

Klassifikationsfehler

Sensitivität ist die Wahrscheinlichkeit, mit der ein vorliegender positiver Zustand als solcher erkannt wird

Der positive Prädiktionswert ist die Wahrscheinlichkeit, mit der ein vorliegender positiver Zustand als solcher erkannt wird

Spezifität ist die Wahrscheinlichkeit, mit der eine negative Diagnose zutreffend ist

Spezifität ist die Wahrscheinlichkeit, mit der ein negativer Zustand zutreffend ist

Der negative Prädiktionswert ist die Wahrscheinlichkeit, mit der eine negative Diagnose zutreffend ist

Étudier

Naa lernt Dia 1

Lernkarteien erstellen oder kopieren

Lernkarten

Bitte melde dich an

Google

Apple ID

Microsoft

Switch edu-ID

Edulog

Google

Apple ID

Microsoft

Switch edu-ID

Edulog