M6 Kapitel 1+2+3 Grundlagen der Testkonstruktion
Modul 6 der Fernuni Hagen. Grundlagen psychologischer Testkonstruktion/KTT/ PTT Kapitel 1+2+3
Modul 6 der Fernuni Hagen. Grundlagen psychologischer Testkonstruktion/KTT/ PTT Kapitel 1+2+3
Kartei Details
| Karten | 134 |
|---|---|
| Lernende | 149 |
| Sprache | Deutsch |
| Kategorie | Psychologie |
| Stufe | Universität |
| Erstellt / Aktualisiert | 02.01.2013 / 30.07.2020 |
| Weblink |
https://card2brain.ch/box/m6_kapitel_123_grundlagen_der_testkonstruktion
|
| Einbinden |
<iframe src="https://card2brain.ch/box/m6_kapitel_123_grundlagen_der_testkonstruktion/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Standardabweichung bei 5-stufiger Skala
- sollte idealerweise bei 1 liegen
- bei 10-stufiger Skala entsprechend bei 2
Itemschwierigkeit
- prozentualer Anteil der richtigen Lösung
- Mittelwerte bilden Grundlage zur Berechnung
Validierungsstudien
- prüft ob Trennschärfe ein angemessener Indikator für inhaltliche Angemessenheit des Items ist
- Annahme: Summe der übrigen Items misst das Merkmal valide
Eigentrennschärfe
- part-whole-Korrektur
- sagt aus wie gut ein Item eine Skala wiederspiegelt
- wichtigster Indikator dafür wie gut ein einzelnes Item das zugrunde liegende Merkmal abbildet
Part-Whole-Korrektur
- korrigierte Korrelation
- Item wird mit dem - aus allen übrigen Items bestehendem - Testwert in Beziehung gesetzt
- liegt vor Berechnung der Trennschärfe um eine Überschätzung der Trennschärfe zu vermeiden
Fremdtrennschärfe
- Korrelation von Items mit Skalen/ Testwerten anderer Fragebögen/ Kriterien
- Verwendung besonders bei externaler Skalenkonstruktion
Unkorrigierte Trennschärfe
- enthält partielle Eigenkorrelation eine Items mit sich selbst
- umso stärker je kürzer die Skala
- umso stärker je heterogener die Skala
Warum ist die partielle Eigenkorrelation umso stärker je kürzer die Skala ist?
Weil die anteiligen Gewichte der Items steigen.
Warum ist die partielle Eigenkorrelation umso stärker je heterogener die Skala ist?
Weil es dann geringere Korrelationen der Items untereiander gibt.
Punktbiseriale Korrelation
- Zusammenhangsmaß für dichotome Merkmale
Potentielle Probleme bei Trennschärfeanalyse
- Verzerrung
- Schiefe Verteilung
Verzerrung
- nach oben oder unten, indem Varianz der eingehenden Variablen artifiziell erweitert oder eingeschränkt ist
- bimodale Verteilung kann zu erheblichen Varianzerweiterungen führen
Schiefe Verteilung
- häufig Varianzverzerrung
- zeigt an wie stark wie Verteilung nach links/rechts geneigt ist
links-schiefe Verteilung
Negative Schiefe
rechts-schiefe Verteilung
positive Schiefe
Probabilistische Testtheorie: Grundannahmen
- in der Testsituation kann nur ein Verhaltensausschnitt erfasst werden, welcher auf eine Disposition zurückgeht
- Korrelation der manifesten Veriable soll auf eine einzige latente Variable zurückgeführt werden
- lokale stochastische Unabhängigkeit & probabilistischer Zusammenhang
Manifeste Variable (PTT)
Verhaltensausschnitt
Latente Variable (PTT)
Verhaltensdisposition
PTT: Lösungswahrscheinlichkeit p ergibt sich aus...
- Personenparameter θ
- Itemparameter σ
Personenparameter
- Theta: θ
- Fähigkeit/ Eigenschaftsausprägung
Itemparameter
- Sigma: σ
- Schwierigkeit der Items
Erschöpfende Statistik der Personenfähigkeit
- Summenwert der Person liefert alle Informationen über die Fähigkeitsausprägung einer Person
- wird das Rasch-Modell nicht abgelehnt, sagt der Summenwert der Itemantworten auch etwas über deren Ausprägungsgrad aus
Aspekte des Rasch-Modells
- Erschöpfende Statistik der Personenfähigkeit
- Eindimensionalität
- Lokale Unabhängigkeit
- lokale stochastische Unabhängigkeit
- Spezifische Objektivität
- Additivität
Eindimensionalität (Rasch-Modell)
Ein Item ist ein guter Indikator für eine Fähigkeit, wenn die Antwort auf das Item auf eine Fähigkeitsausprägung zurückzuführen ist
Lokale Unabhängigkeit (Rasch-Modell)
Eindimensionalität ist formal gegeben, sobald Inter-Item-Korrelation eines Test nach Auspartialisierung der latenten Eigenschaft verschwindet
Lokale stochastische Unabhängigkeit (Rasch-Modell)
Ist gegeben, wenn für jede Person die Lösungswahrscheinlichkeit zweier beliebiger Items multipliziert werden dürfen um die kombinierte Lösungswahrscheinlichkeit beider Items zu ermitteln
Spezifische Objektivität (Rasch-Modell)
- Interpersonelle Vergleiche sind invariant über spezifische Vergleche & Maße die verwendet werden
- Inter-Item-Vergleiche sind invariant über die spezifischen Personen an denen die Items kalibriert werden
Additivität (Rasch-Modell)
Parameter haben dasselbe Skalenniveau und dieselbe Einheit, sodass sie additiv/ subtraktiv miteinander verknüpft werden können
Modellparameter
- Personenparameter
- Logit-Einheit
Schätzung der Personenparameter
- durch conditional Maximum-Likelihood-Methode (cML)
- θ hat Differenzskalenniveau: Logit-Einheit
- Kenntnis der Itemparameter wird für cML vorausgesetzt
Logit-Einheit
nicht-lineare Transformation der Rohwerte in eine abstrakte Einheit
Logit-Einheit: negative Werte
spricht für leichte Items/ geringe Fähigkeit
Logit-Einheit: positive Werte
spricht für schwere Items/ hohe Fähigkeit
Item characteristic Curve (ICC): y-Achse
Itemlösungswahrscheinlichkeit
Item characteristic Curve (ICC): x-Achse
Gemeinsame Einheit von Personen-/ Itemparameter
Item characteristic Curve (ICC): Itemschwierigkeit
Schnittpunkt einer x-Achsen-Parallelen mit Kurve
Grafischer Modelltest
- Streudiagramm in welchem die geschätzten Parameter aus 2 Stichproben dargestellt werden
- x-/y-Achse sind die Logit-Einheiten der Itemparameter
- ansteigende Linie= Regressionsgerade der Parameter einer Teilstichprobe auf die andere
Modell-Tests für Rasch-Modell
- Stellen fest ob Rasch-Modell abgelehnt werden muss
- Grafischer Modelltest
- Andersen-Likelihood-Quotienten-Test
- Bootstrap-Methode
