VL10 Probabilistische TT

Question 1

PTT

Answer 1

Im Gegensatz zur KTT wird in der PTT ermittelt, wie Antworten auf Items zustande kommen.
æ Wahrscheinlichkeit, mit der Person ein Item löst, kann ermittelt werden (wenn Parameter wie Itemschwierigkeit und Personenfähigkeit bekannt).

Question 2

Grundlegende Annahme:

Answer 2

• Antworten auf Items sind Indikatoren für latente Fähigkeiten, Merkmale oder Verhaltensdispositionen.
• Lösungswahrscheinlichkeit eines bestimmten Items (manifeste Variable) abhängig von der Fähigkeit/Merkmalsausprägung einer Person und der Schwierigkeit des Items.
• Probabilistisches Modell, da nur die Lösungswahrscheinlichkeit ermittelt wird.

Question 3

Beispiel für ein probabilistisches Modell

Answer 3

dichotomes Rasch-Modell.

Question 4

von was hängt die Wahl des richtigen Modells ab?

Answer 4

Skalenniveau
Anzahl der Antwortkategorien Einführung von Rateparametern
–> binäre vs. mehrkategoriale Items, eindimensionale vs. mehrdimensionale Modelle.

Question 5

von was ist die Lösungswahrscheinlichkeit abhängig?

Answer 5

1 Personenparameter (PP) = Fähigkeitsausprägung.
2 Itemparameter (IP) = Itemschwierigkeit.

PP und IP auf eindimensionaler Skala abbildbar
Probabilistischer Zusammenhang zwischen PP und IP (Lösungswahrscheinlichkeit)

Question 6

Item Characteristic Curve (ICC)

Answer 6

Je höher die Personenfähigkeit, desto höher die Lösungswahrscheinlichkeit für ein Item mit festgelegter Itemschwierigkeit.

Basis: p = f (PP - IP)
p = Lösungswahrscheinlichkeit eines Items
Wenn PP < IP, dann p < 50 % 
Wenn PP = IP, dann p = 50 % 
Wenn PP > IP, dann p > 50 %

Question 7

wie unterscheiden sich Rasch-homogene Items?

Answer 7

Rasch-homogene Items unterscheiden sich nur in der Schwierigkeit, Trennschärfen sind jedoch gleich.

Question 8

wann ist ein Item ein guter Indikator für eine latente Variable?

Answer 8

Ein Item ist dann ein guter Indikator für eine latente Variable, wenn die Antwort auf dieses Item komplett auf die Fähigkeitsausprägung der latenten Variablen zurückzuführen ist.
–> Formalisiert wird diese Voraussetzung durch die „lokale stochastische Unabhängigkeit“.

Mit Gültigkeit eines Rasch-Modells ist die Voraussetzung überprüft, dass der Summenwert aus Itemantworten etwas über den Ausprägungsgrad einer latenten Variablen aussagt.

Question 9

Vorteile der PTT

Answer 9

• Optimierte Testkonstruktion.
• Itemhomogenität (jedes Item misst das gleiche Konstrukt),
• Personenhomogenität (für jede Person wird gleiche Fähigkeit gemessen) und
• lokale stochastische Unabhängigkeit prüfbar.
• Latente Dimension und beobachtbare Variablen werden voneinander getrennt.
• Adaptives Testen möglich.

OPALLI

Question 10

Nachteile der PTT

Answer 10

• Hohe Schwierigkeit der Generierung modellkonformer Items.
• Große Stichprobe zur Modellprüfung ist wünschenswert, macht aber eine Ablehnung des Modells wahrscheinlicher, da die Teststärke ansteigt.
• Unklar, wie reliabel (und valide) ein nach der PPT konstruierter Test ist.
• Die Kennwerte der Klassischen TK müssen ebenfalls berichtet werden.

Kein Soda und Gin