Lernkartei Diagnostik (Seite 1 von 7)

Karten	256
Lernende	25
Sprache	Deutsch
Kategorie	Psychologie
Stufe	Universität
Erstellt / Aktualisiert	17.02.2019 / 20.02.2025
Weblink	https://card2brain.ch/box/20190217_diagnostik
Einbinden	<iframe src="https://card2brain.ch/box/20190217_diagnostik/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

PsychologInnen unterliegen....

keiner Schweigepflicht

einer Schweigepflicht, mit Ausnahme vor Gericht

haben unterschiedliche Schweigepflichtsbestimmungen, als PsychologtherpeutInnen

DiagnostikerInnen haben zur Aufgabe

Zustände zu messen

Prognosen abzuleiten und Maßnahmen zu empfehlen

Therapieangebote zu machen

Interviews zu führen

4 Konstruktionsprinzipien

Rationale/ deduktive Konstruktion

Externale Konstruktion

Induktive Konstruktion

Prototypenansatz

Gruppengeleiteter Ansatz

Itemansatz

Prototypenansatz

Theorie geleiteter Ansatz

Induktiver Ansatz

Vom speziellen zum Allgemeinen

Gruppen geleiteter Ansatz

in welcher Reihenfolge verläuft eine Testkonstruktion

1) Idee des Konstrukts durch Recherche

2) Items nach 4 Konstruktionsprinzipien generieren

- Rationale (deduktive)-, externale (kriteriumsbezogene)-, Induktive Konstruktion, Prototypenansatz

3) Mit großer Anzahl von VP erheben und ungeeignete Items mit Itemkennwerten aussortieren

4) Erneut erheben. Informationen über Güte des Tests: Hauptgütekriterien

5) Erneut erheben -> Normierung und Interpretation

Externale Konstruktion (Gruppengeleitet)

1) Differenzierbare Gruppe (z.B. männlich/ weiblich)

2) Theorie, Gründe, Ursprünge sind irrelevant

3) Große Auswahl an Items präsentieren

4) Item gibt nur Vorhersage, aber keine Aussage über Definition der Gruppe möglich

! Kreuzvalidierung notwendig

! nicht Theoriegeleitet, keine inhaltliche Vorhersage möglich

! nur Wahrscheinlichkeiten, keine Diagnose

Rationale (deduktive) Konstruktion und Sonderfall (Theoriegeleitet)

1) Theorie unterscheidet VP nach Eigenschaften

2) VP zeigen konstruktionsspezifisches Verhalten/ Eigenschaften

3) Itemserstellen

4) weiter zu 2. Datenerhebung, um Hauptgütekriterien zu finden

Sonderfall

projektive Verfahre z.B. TAT

1) implizite Motvie sind nicht zugänglich -> Fragenbogen projiziert unterbewusste Zustände

2) keine Zustimmung/ Ablehnung -> FINDUNG

Implizite Konstruktion (Itemgeleitet)

Methodik: Faktorenanalyse (Korrelationsrechnung)

1) Vielen VP werden sehr viele Items dargeboten, die ein sehr grobes Konstrukt, zB Persönlichkeit zu messen vorgeben.

2) Alle Items miteinander korrelieren

Items mit hohen Korrelationen miteinander werden zusammengefasst.

> 100 VPs wählen bei „Ich bin sehr gesellig“ 6 von 7 und bei „Ich mache gerne was mit Freunden“ 5 von 7

> Indiz für eine gemeinsame Skala der zwei Items

> Diese zusammengefassten Items bilden eine Skala und sollten untereinander hoch korrelieren. (Homogenität & Interne Konsistenz)

> Eine entdeckte Skala sollte mit einer anderen entdeckten Skala so wenig wie möglich korrelieren. (Einfachstruktur)

3) Die Skalen müssen nun aus den Items erschlossen, definiert und benannt werden.

Prototypenansatz (Prototypengeleitet)

> eine grauhaarige, alte Frau für Gruppe „Oma“ (Aussehen)

> sehr redselige Person für Gruppe „extrovertiert“ (Verhalten)

Objekte, die dem jeweiligen Prototyp sehr ähnlich sind, gehören mit hoher Wahrscheinlichkeit zur Gruppe.

Diese Methode generiert Skalen mit höherer Validität als die anderen Konstruktionsprinzipien.

1) VPs benennen ihren persönlichen Prototyp für Konstrukt X. (zB Verträglichkeit)
2) VPs definieren Verhaltensweisen der Person, die die Eigenschaft repräsentieren - „Versteht sich immer mit allen“ - „Ist sehr kompromissbereit“ - ….
3) Neue VPs bewerten diese Vorschläge von Verhaltensweisen auf ihre Prototypizität. Die „prototypischsten“ Vorschläge werden die zu Items des Tests formuliert.
4) Weiter zu Datenerhebungs 2 -> Hauptgütekriterien

Welche Aussage ist wahr?

der Prototypenansatz hat eine niedrigere Validität als die anderen Konstrukte

Induktive Konstruktion nutzt Faktorenanalyse, um Items festzulegen

Zusammengefasste Items sollten niedrige miteinander korrelieren

einen hohe Korrelation zeichnet sich durch Homogenität und interne Konsistenz aus

eine Einfachstruktur besagt, dass eine Skala möglichst niedrig mit anderen Skalen korrelieren sollte

Kombination aller Verfahren

Items generieren: rationale Methode

Skalen validieren: externale Methode

Items überprüfen: induktive Methode

externale Methode:

geringe Verfälschbarkeit: aufgrund großer Breite von Items (Unterschiede) der Items ist für VP nicht erkenntlich, was gemessen werden soll.

Ökonomie: Items werden durch die Richtungsweisung einer Theorie bereits vorselektiert. Keine Unmengen an Items aus allen Bereichen müssen getestet werden.

inhaltliche Heterogenität der Items: oft mangelnde Interpretierbarkeit. Geringe Reliabilität durch geringe Korrelation der Items

Welche/s der folgenden Konstruktionsprinzipien ist theoriegeleitet?

Externale Konstruktion

Deduktive Konstruktion

Rationale Konstruktion

Protypenansatz

Induktive Konstruktion

Welche Aussagen zur Vorgehensweise bei der Testkonstruktion sind wahr?

Aus den Daten der ersten Erhebung erschließen sich Itemkennwerte, Testgütekriterien und Normierung.

Man hat sich darauf geeinigt, bei der Itemgenerierung von Tests nur Fragen oder Aufgaben zu verwenden.

Normstichproben sind nötig um die Testergebnisse einer Person ins Verhältnis zu setzen.

Bei der Itemgenerierung wird stets auf eine Konstruktionsmethode das Hauptaugenmerk gelegt.

Welche/s dieser statistischen Verfahren ist/sind Grundlage des induktiven Konstruktionsansatzes?

Korrelationsrechnung

Berechnung von Effektstärken Cohens d

Faktorenanalyse

Kreuzvalidierung

Welche Aussagen zum Prototypenansatz sind falsch?

Besonders gute Prototypen repräsentieren zwei Gruppen optimal

Der Prototypenansatz generiert validere Tests als die anderen Ansätze.

Die letztlichen Prototypen entstehen durch eine schlussendliche Faktorenanalyse.

Die Konstruktion eines Tests nach Prototypenansatz erfordert keine Datenerhebungen mit VPs.

Datenerhebung 1, 2, 3:

1 Itemkennwert

2 Hauptgütekriterien

3 Normierung und Interpretation

3 Itemkennwerte zur Testeignung der 1. Datenerhebung

Schwierigkeit

Homogenität

Trennschärfe

Validität

Relibilität

Schwierigkeitsindex P

P=(NR/N)*100

NR= Anzahl aller VP, de richtig geantwortet haben

NR= Anzahl aller VP, die reliabel geantwortet haben

P=(N+NR)*100

Eigentlich Leichtigkeitsindex, je näher P an 100, desto mehr VP haben richtig geantwortet

Was bedeutet Schweirigkeit?

Einen Test konsturieren, der zwischen VP unterscheiden kann

Ein Item mit P=0/100, wird von allen VP gleich beantwortet -> alle Personen sind gleich und decken keine Varianz zwischen VP auf

Items mit geringer Varianz sind geeignet

P~50 decken Varianzen auf und sind somit ungeeignet

für optimale Differenzierung P zwischen 1 und 99 wählen

Warum P zwischen 5 und 95 wählen und nicht P~50 (Normalverteilung)?

wenn alle VP den Test mit P~50 richtig beantoworten, trotz unterschiedlicher IQ, differenziert Test nicht gut genug

wir brauchen sehr leichte Items P=5, um gut zu differenizeren

wir brauchen sehr leichte Items P=95, um gut zu differenzieren

sehr leichte/schwere Items erzeugen eine große Streuung

sehr leichte/schwere Items erzeugen keine große Streuung

Die Zufallskorrektur...

P= {NR-([NF]/[m-1])}*100

um Rateverhalten entgegenzubeugen

alle Items werden betrachtet

m= Anzahl aller Antwortalternativen

Anzahl richtige Antworten-Anzahl möglicherweise geratener Antowrten

Bei einem zeitbegrenzten Test, werdne eventuell nicht alle Itemsbeantwortet. Die nicht beantworteten Fragen gehen aber als falsche Antwort in die Berechnung mit ein...

Man bezieht nur die beantworteten Items mit ein (NB)

P=NR/NB*100

Die Einteilung Richtig/Falsch lässt sich bei Bewertungsskalen (Stimme zu-stimme nicht zu) nicht anwenden

Skalenstufen von 0 bis XYZ kodieren

Arithmetisches Mittel=Skalenstufe mal Anzahl der VPs mit Antwort in der Stufe NR/ Mögliche Anzahl der Punkte insgesamt N

=erreichte Punkte aller VPs/ möglcihe erreichbare Punkte aller VPs

SD bei dichotomen Items mit hilfe der Schwierigkeit berechenbar

SD= Wurzel (p*q) p/q zwichen 0 und 1

p=P/100

je größer SD, desto größer die Streuung, desto seltener sind Korrelationen

p=q-1 q=p+1

p&q sind maximal bei 0,5&0,5 und minmal bei 0&1 bzw 1&0 -> mittlere Korrelationen begünsitgen Trennschärfe und Homgenität

Trennschärfe

Wie viel trägt ein Item zur Differenzierung von Personen durch den Test bei?

rit <0.3 gering/ 0,3-0,5 mittel/ >0,5 groß

einheitliche Berechnung und unabhängig vom Skalenniveau

Trennschärfe Intervallsskalierte Items

Produkt-Moment-Korrelation zwischen Itemscore (I) und Testscore (Y)

rit= (Cov I&Y)/ (SD(I)*SD(Y))

Trennschärfe dichotome Items

Punkt biserale Korrelation

rit= rpb= (MW(YR)- MW(Y))/SD(Y)* Wurzel (p/q)

MW(YR)= Mittelwert des Testscores aller VP, die Item richtig beantwortet haben

MW(Y)= Mittelwert des Testscores aller VP

p= Itemschwierigkeitsgrad 0-1

Trennschärfe dichotome Items mit kontinuierlciher Variable

biserale Korrleation

kontinuerliche Variablen mit künstlich dichotomen Items erfassen

biserale vs. punkt-biserale Korrelation

punkt- biserale Korrelation ist konservativer, sie unterschätzt die Trennschärfe

punkt-biserale Korrelation macht Annahmen, die verletzt werden können

Verletzungen der NV: auch Werte außerhalb von 0-1 möglich

im Zweifel die weniger konservative Variante wählen

beide korrelieren mit 0.93, sind sich also sehr ähnlich

Problem der Korrelationskoeffizienten

Summe der Itemscores = Test-Gesamtscore.

Itemscore als Teil des Gesamt-Testscores.

Wenn man nun Itemscore und Gesamt-Testscore korreliert, wird u.a. auch der Itemscore mit dem Itemscore korreliert.

Diese Teilkorrelation ist immer 1 -> Überschätzung der Korrelation.

Teil-Ganz-Korrektur

Teil Ganz Korrektur

Itemscore wird an dem Gesamtscore OHNE den Itemscore korreliert

Was bewirkt die Teil-Ganz-Korrektur?

verringert die Trennschärfe , denn sie soll der Überschätzung entgegen wirken

je mehr Items ein Test hat, desto mehr fällt der Effekt des Items ins Gewicht

bei sehr ähnlichen Items (homogen) fällt Effekt der Items umso mehr ins Gewciht

je homogener, desto kleiner der Teil Ganz Korrektur Effekt

Trennschärfe von 1...

sind nicht erwünscht

Validität steigt, denn die Item interkorrelieren nicht

Cronsbach alpha (interne Konsistenz) steigt

Items korrelieren hoch -> enges Konstrukt

enge Konstrukte sagen gut vorher

Homogenität

und Trennschärfe sind sich sehr ähnlich und korrelieren hoch miteinander

Homogenität: mittlere Korrelation eines Itemscores mit den anderen Itemscores vs. Trennschärfe: Korrelation eines Itemscores mit den mittleren Scores der anderen Items

Trennschärfe: mittlere Korrelation eines Itemscores mit den anderen Itemscores vs. Homgenität: Korrelation eines Itemscores mit den mittleren Scores der anderen Items

Es ist nicht immer das Ziel homogene Items/ Skalen zu konstruieren.

Die Items der Subskalen sollten eine höhere Homogenität aufweisen.

Hohe Trennschärfen, aber breite Schwierigkeitsindizes!

Nur bestmögliche Lösung verfolgen. Keine perfekte Lösung vorhanden.

Welche Items werden nun verwendet?

Items mit hoher Trennschärfe

Items mit geringer Trennschärfe

als erstes den Selektionswert nutzen

am Ende Selektionswert nutzen

Schwierigkeit bleibt unbeachtet

Nimm das Item, das den höchsten Selektionswertt hat

Sel= rit/(2*SD(x))

SD(x)=Wurzel (pq) nicht nur für dichotome Items

Trennschärfe: Je höher die TS rit, desto höher der Selektionskennwert.

Homogenität: Je höher die Streuung, desto mehr SD, desto kleiner der Selektionskennwert.

Schwierigkeit: Je extremer die Schwierigkeit, desto weniger Streuung desto größer der Selektionskennwert.

Schwierigkeit: Je extremer die Schwierigkeit, desto größer Streuung desto größer der Selektionskennwert.

Homogenität: Je geringer die Streuung, desto geringer SD, desto größer der Selektionskennwert.

Erzeugen die einzelnen Konstruktionsprinzipien eher homogene oder heterogene Skalen?

Rationale Methode → Homogene Skalen

Induktive Methode → Homogene Skalen

Externale Methode → heterogene Skalen

Externale Methode → homogene Skalen

Induktive Methode → heterogene Skalen

Die Itemschwierigkeit macht Aussagen über?

Die Güte eines Items

Die Anteile der Probanden, die das Item schwierig fanden

Die mögliche Differenzierung zwischen Probanden

Die Korrelation mit den sonstigen Items des Tests

Diagnostik

Lernkarteien erstellen oder kopieren

Lernkarteien erstellen oder kopieren

Melde dich an, um alle Karten zu sehen.

SWITCHaai

Office 365

Edulog

Apple ID

Google