Madde Tepki Kuramı Nedir? Klasik Test Kuramından Farkı

Basira Editör Ekibi · · 11 dk okuma · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım

Aa Yazı boyutu
Yazı boyutu

Anahtar çıkarımlar

  • Madde tepki kuramı, bir maddeye verilen yanıtın olasılığını kişinin örtük özellik düzeyi (θ) ve maddenin ayırt edicilik ve güçlük parametreleriyle modeller.
  • Klasik test kuramı bütün ölçek için tek bir ölçme hatası verir; madde tepki kuramında ölçmenin kesinliği özellik düzeyine göre değişir ve bilgi fonksiyonuyla gösterilir.
  • Likert tipi (sıralı) maddelerde kullanılan başlıca modellerden biri Samejima'nın aşamalı tepki modelidir; doğru-yanlış puanlanan maddelerde Rasch, iki ve üç parametreli lojistik modeller kullanılır.
  • Modelin yorumlanabilmesi için tek boyutluluk, yerel bağımsızlık ve model-veri uyumu sınanır; uyum kanıtı olmadan kestirilen parametreler yorumlanmaz.
  • Tezde madde tepki kuramı klasik madde analizinin yerine değil, soruya göre yanına konur: madde bankası, uyarlamalı test ya da madde düzeyinde kesinlik gerekiyorsa değer katar.

İçindekiler

İçindekiler

Madde tepki kuramı (MTK), bir kişinin bir maddeye belirli bir yanıtı verme olasılığını, kişinin ölçülen örtük özellikteki düzeyi (θ) ile maddenin ayırt edicilik ve güçlük gibi parametrelerinin bir fonksiyonu olarak modelleyen ölçme kuramıdır. Klasik test kuramından farkı, her madde için ayrı bir yanıt eğrisi kestirmesi ve ölçmenin kesinliğini özellik düzeyine göre ayrı ayrı vermesidir.

MTK bir ölçeğin geçerlik kanıtlarından biri olan iç yapıyı madde düzeyinde inceler; geçerlik kanıtlarının bütünü yapı geçerliği, klasik çerçevedeki madde göstergeleri madde analizi yazısındadır. Ölçme aracının tezdeki yeri ve analiz sürecinin bütünü tez istatistik analizi yol haritası yazısında anlatılır.

Madde tepki kuramı nedir?

Madde tepki kuramı, bir maddeye verilen yanıtın olasılığını kişinin ölçülen özellikteki düzeyiyle (θ) ve maddenin parametreleriyle modelleyen ölçme kuramıdır.

Madde tepki kuramının (item response theory, IRT) merkezinde madde karakteristik eğrisi (madde tepki fonksiyonu) vardır: yatay eksende kişinin özellik düzeyi θ, dikey eksende maddeyi onaylama ya da doğru yanıtlama olasılığı durur. θ, ölçeğin ölçtüğü yapıdaki konumdur; bu yazıdaki örnekte olduğu gibi ortalaması 0, standart sapması 1 olan bir ölçekte ifade edilebilir. Doğru-yanlış puanlanan bir madde için iki parametreli lojistik model (2PL) şöyledir:

Pj(θ)=11+e−aj(θ−bj)P_j(\theta) = \frac{1}{1 + e^{-a_j(\theta - b_j)}}

Burada bjb_j güçlük (konum) parametresidir: doğru yanıt olasılığının .50 olduğu θ değeridir; büyük bb zor maddeyi gösterir. aja_j ayırt edicilik parametresidir: eğrinin bjb_j noktasındaki dikliğiyle orantılıdır (bu noktadaki eğim aj/4a_j/4‘tür).

Diklik büyüdükçe madde, bjb_j‘nin hemen altındaki ve hemen üstündeki kişileri daha keskin ayırır. Eğri neredeyse yatay ise (aa sıfıra yakın) madde, özelliği yüksek ve düşük kişilere hemen hemen aynı olasılıkla yanıt verdirir; yani ölçülen yapı hakkında az bilgi taşır.

İpucu

Formül, normal ogive modele yaklaştırmak için kullanılan ölçekleme sabiti (D≈1.7D \approx 1.7) olmadan, lojistik ölçekte yazılmıştır; bu yazıdaki aa değerleri de bu ölçektedir.

Reise vd. (2005) MTK’nın üç temel kavramını madde tepki fonksiyonu, bilgi fonksiyonu ve değişmezlik olarak sayar. Değişmezlik, model veriye uyduğunda madde parametrelerinin hangi örneklemden kestirildiğine, kişi konumlarının ise hangi maddelerle ölçüldüğüne bağlı olmaması beklentisidir. Bu bir varsayım değil, modelin veriye uyması hâlinde elde edilen bir özelliktir; uyum zayıfsa değişmezlik de beklenmez.

Klasik test kuramı ile madde tepki kuramı arasındaki fark nedir?

Klasik test kuramı (KTK) gözlenen toplam puanı gerçek puan ile hatanın toplamı olarak görür ve bütün ölçek için tek bir güvenirlik katsayısı ve tek bir ölçmenin standart hatası verir. MTK ise analizi maddeye indirir ve kesinliği θ’ya göre değiştirir.

ÖzellikKlasik test kuramıMadde tepki kuramı
Analiz birimiToplam puanMadde yanıtı
Madde göstergeleriMadde ortalaması ya da güçlüğü (p), düzeltilmiş madde-toplam korelasyonuAyırt edicilik (a), güçlük ya da eşik (b) parametreleri
Kişi puanıToplam ya da ortalama puanθ kestirimi ve kişiye özgü standart hata
Ölçme kesinliğiBütün puanlar için tek güvenirlik ve tek standart hataBilgi fonksiyonu: kesinlik θ’ya göre değişir
Örnekleme bağımlılıkMadde istatistikleri örneklemin özellik dağılımına bağlıdırModel uyduğunda parametreler örneklemler arasında doğrusal dönüşüme dek değişmez
Örneklem ve yazılımKüçük örneklemde de hesaplanır; temel istatistik programlarıyla yapılırParametre sayısı arttıkça daha büyük örneklem ve MTK’ya özgü yazılım gerekir
Tipik kullanımÖlçek geliştirme, madde ön elemesi, güvenirlikMadde bankası, bilgisayarda uyarlamalı test, madde işlev farklılığı, test eşitleme

Tablodaki “örnekleme bağımlılık” satırı bir uyarıyla okunur. Fan (1998), geniş ölçekli bir eyalet sınavı veritabanında KTK ve MTK’dan gelen madde ve kişi istatistiklerini karşılaştırır. İki çerçevenin istatistiklerinin büyük ölçüde örtüştüğünü ve madde istatistiklerinin örneklemler arasındaki değişmezliğinin iki çerçevede benzer çıktığını bildirir.

Bulgu bir sınav verisinden gelir; Likert tipi ölçeklere aynen taşınıp taşınmadığı bu çalışmada sınanmamıştır. Yine de MTK’nın kuramsal üstünlükleri her veride KTK’dan farklı sonuçlara dönüşmez; asıl katkısı, madde düzeyindeki bilgiyi θ ölçeğinde kullanmayı sağlayan uygulamalardadır.

Madde tepki kuramında hangi modeller kullanılır?

Model, madde türüne ve parametrelere getirilen kısıta göre seçilir.

ModelMadde türüParametrelerNot
Rasch ve tek parametreli lojistik model (1PL)Doğru-yanlışYalnız güçlük; ayırt edicilik bütün maddelerde eşitToplam puan θ için yeterli istatistiktir
İki parametreli lojistik model (2PL)Doğru-yanlışGüçlük ve ayırt edicilikMaddeler farklı diklikte olabilir
Üç parametreli lojistik model (3PL)Çoktan seçmeliGüçlük, ayırt edicilik, şans (alt asimptot)Tahminle doğru yanıt verme olasılığını modeller
Aşamalı tepki modeli (GRM)Sıralı kategoriler (Likert)Bir ayırt edicilik ve kategori sayısının bir eksiği kadar eşikSamejima (1969)
Kısmi puan modeli (PCM)Sıralı kategorilerKategoriler arası geçiş parametreleri; ayırt edicilik bütün maddelerde eşitRasch ailesinin çok kategorili uzantısı
Genelleştirilmiş kısmi puan modeli (GPCM)Sıralı kategorilerGeçiş parametreleri ve madde başına ayırt edicilikAyırt edicilik serbest olduğu için Rasch ailesinin dışındadır

Likert tipi (sıralı) maddelerde kullanılan başlıca modellerden biri aşamalı tepki modelidir (Samejima, 1969). Beş kategorili bir maddede dört eşik kestirilir: b1b_1, “1”den “2 ve üstü”ne geçişin; b4b_4, “4 ve altı”ndan “5”e geçişin olasılığının .50 olduğu θ değeridir. Eşikler sıralıdır ve aralarındaki uzaklık kategorilerin θ ekseninde nasıl yayıldığını gösterir.

Parametreler marjinal en çok olabilirlikle kestirilebilir: kişilerin θ değerleri bilinmediği için bir dağılım (bu yazıdaki örnekte standart normal) varsayılır ve olabilirlik bu dağılım üzerinden toplanır (Bock ve Aitkin, 1981).

Madde tepki kuramının varsayımları nelerdir?

MTK parametreleri ancak model veriye uyduğunda yorumlanabilir. Tek boyutluluk ve yerel bağımsızlık ders kitaplarının klasik varsayımlarıdır (Embretson ve Reise, 2000; Hambleton vd., 1991); bunlara ek olarak monotonluk ve model-veri uyumu da denetlenir:

  • Tek boyutluluk. Tek boyutlu modeller, maddelere verilen yanıtların ortak tek bir özellikten kaynaklandığını varsayar. Çok boyutlu bir ölçekte her boyut ayrı modellenir ya da çok boyutlu bir model kurulur. Boyut sayısı açıklayıcı faktör analizi ya da doğrulayıcı faktör analiziyle incelenir; boyutların birbirinden gerçekten ayrışıp ayrışmadığı ayırt edici geçerlik yazısında anlatılır.
  • Yerel bağımsızlık. θ sabit tutulduğunda maddeler arasında artık ilişki kalmamalıdır. Aynı metne dayanan sorular ya da neredeyse aynı cümleyle yazılmış maddeler bu varsayımı bozar ve ayırt edicilik parametrelerini şişirir.
  • Monotonluk. θ arttıkça maddeyi onaylama olasılığı azalmamalıdır. Ters kodlanması unutulmuş bir madde bunu bozar; ters maddelerin puanlaması analizden önce düzeltilir.
  • Model-veri uyumu. Madde düzeyinde uyum istatistikleri ve gözlenen ile beklenen yanıt oranlarının karşılaştırılması, seçilen modelin veriye uyup uymadığını gösterir. 2PL ile 1PL ya da GRM ile kısıtlı modeller arasında seçim de uyumla yapılır.

Örneklem büyüklüğü için evrensel bir sayı yoktur. Gerekli büyüklük modelin parametre sayısına, kategori sayısına ve kişilerin θ ekseninde nasıl dağıldığına bağlıdır: parametre sayısı arttıkça ve uç kategorilerde yanıt azaldıkça kestirimler kararsızlaşır. Bir kategoride hiç ya da çok az yanıt varsa o kategorinin eşiği kestirilemez; kategori birleştirme kararı gerekçesiyle raporlanır.

Madde ve test bilgi fonksiyonu nedir?

Bilgi fonksiyonu, bir maddenin ya da testin θ ekseninin hangi bölgesinde ne kadar kesin ölçtüğünü gösterir. Test bilgisi madde bilgilerinin toplamıdır ve θ’nın standart hatası bilginin karekökünün tersidir:

SH(θ)=1I(θ)\mathrm{SH}(\theta) = \frac{1}{\sqrt{I(\theta)}}

2PL’de bir maddenin bilgisi aj2Pj(θ) [1−Pj(θ)]a_j^2 P_j(\theta)\,[1 - P_j(\theta)] biçimindedir: bilgi bjb_j çevresinde en yüksektir ve aa‘nın karesiyle büyür. Ayırt ediciliği iki kat olan bir madde, kendi bölgesinde yaklaşık dört kat bilgi verir. Bu yüzden MTK’da “ölçek güvenilir mi?” sorusunun yerini “ölçek kimi kesin ölçüyor?” sorusu alır: ortalama düzeydeki kişileri çok kesin, uçlardaki kişileri zayıf ölçen bir ölçek, tek bir güvenirlik katsayısında bu farkı göstermez.

İpucu

Bilgi fonksiyonu kısa form hazırlamada ve kesme puanı belirlemede de kullanılır: bir ölçek belirli bir düzeyin üstünü ve altını ayırmak için kullanılacaksa, o düzeyde bilgisi yüksek maddeler seçilir.

Örnek: sekiz maddelik bir boyutta aşamalı tepki modeli

Aşağıdaki sonuçlar, 400 katılımcılı sentetik (yapay olarak üretilmiş) bir ölçek verisinin sekiz maddelik “iyimserlik” boyutundan (beş kategorili Likert) R 4.5.1 ile hesaplandı. Aşamalı tepki modeli marjinal en çok olabilirlikle, temel R’de açıkça yazılmış bir kodla kestirildi; kodun doğruluğu, bilinen parametrelerden üretilen bir benzetim verisinde parametrelerin geri kestirilmesiyle denetlendi. Veri setinde bilerek iki sorunlu madde vardı: zayıf bağlı bir madde (Madde 23) ve tavan etkili bir madde (Madde 24).

Kodun denetimi için önce bilinen parametrelerle 3.000 kişilik bir yanıt verisi üretildi. Gerçek a değerleri 0.50, 1.00, 1.50, 2.00, 1.20 ve 0.80 olan altı madde için kestirimler sırasıyla 0.49, 0.99, 1.49, 2.13, 1.17 ve 0.82 çıktı; a kestirimleri gerçek değerden en çok 0.13 uzaktır. Kestirimler bağımsız bir MTK paketiyle (ör. mirt) karşılaştırılmadı, çünkü çalışma ortamında böyle bir paket yüklü değildi.

Ardından model sentetik ölçek verisine uygulandı. Tek boyutluluk için sekiz maddenin polikorik korelasyon matrisinin özdeğerlerine bakıldı: birinci özdeğer 4.08, ikincisi 1.02’dir (oran 4.01); ikinci özdeğer 1’in biraz üstünde olsa da paralel analiz tek bileşen önerir. Sekiz maddenin hepsinde beş kategori de kullanılmıştı, ama Madde 24’te “1”i yalnız 4 kişi, “5”i 147 kişi seçti.

Tablo 1

Sekiz İyimserlik Maddesinin Klasik Göstergeleri ve Aşamalı Tepki Modeli Parametreleri

MaddeOrtalamaDüzeltilmiş madde-toplam ra (SH)b1b_1b2b_2b3b_3b4b_4
172.96.591.72 (0.17)−2.17−0.600.782.03
182.93.541.37 (0.14)−2.03−0.650.842.42
192.90.631.79 (0.17)−1.83−0.550.782.26
202.89.672.27 (0.22)−1.70−0.440.771.95
213.01.652.04 (0.19)−1.85−0.610.541.97
223.03.561.62 (0.16)−2.30−0.780.672.19
233.08.110.22 (0.10)−12.54−4.063.1110.03
244.05.612.07 (0.21)−3.17−2.01−0.880.42

Not. N = 400. a: ayırt edicilik; b1b_1–b4b_4: eşikler (θ ölçeğinde); SH: standart hata. Madde 23’ün eşikleri yorumlanmaz (metne bakınız).

Zayıf bağlı madde. Madde 23’ü iki çerçeve de işaretler: düzeltilmiş madde-toplam korelasyonu .11, ayırt edicilik parametresi a = 0.22’dir. MTK bir şey daha gösterir: eşikler θ’nın gerçekçi aralığının çok dışına, yaklaşık −12.5 ile 10.0 arasına yayılmıştır. Bu, maddeye verilen yanıtın kişinin iyimserlik düzeyinden neredeyse bağımsız olduğu anlamına gelir.

Dikkat

Eşikler modelde kesişim parametrelerinin (dd) a’ya bölünmesiyle elde edilir (b=−d/ab = -d/a); a sıfıra yakınken bu bölme eşikleri çok büyütür ve standart hataları da büyür: Madde 23’te eşiklerin standart hataları SH = 1.50 ile 5.79 arasındadır, öbür maddelerde SH ≤ 0.33’tür. Bu yüzden bu eşikler sayı olarak yorumlanmaz; yalnız maddenin θ ile bağının zayıf olduğunu gösterir.

Madde 23, θ’nın −3 ile 3 arasındaki toplam test bilgisinin yalnız %0,3’ünü taşır.

Tavan etkili madde. Madde 24’ün klasik göstergesi iyidir (düzeltilmiş madde-toplam r = .61) ve ayırt ediciliği yüksektir (a = 2.07). Ama dört eşiğin hepsi θ = 0.42’nin altındadır: madde, ortalamanın altındaki kişileri birbirinden iyi ayırır, ortalamanın belirgin biçimde üstündeki kişiler hakkında ise az bilgi verir. Madde-toplam korelasyonu bu bilgiyi vermez; madde ortalamasının yüksekliği (M = 4.05) yalnız ipucu verir.

Ölçme kesinliği. Test bilgisi θ = −0.58’de en yüksektir (I = 6.80). θ = 0’da I = 6.62 ve SH = 0.39’dur; θ = 2’de bilgi I = 5.50’ye düşer, standart hata SH = 0.43’e çıkar. Bu boyut −2 ile 2 arasında kişileri benzer kesinlikle ölçer; kesinlik üst uca doğru biraz azalır.

Kişi puanları. θ kestirimleri (beklenen sonsal, EAP) ile toplam puan arasındaki korelasyon r = .98’dir; iki çerçevenin kişi sıralaması büyük ölçüde örtüşür. Fan (1998) de sınav verisinde kişi istatistikleri için benzer bir örtüşme bildirir. Fark, maddelerin ağırlığındadır: toplam puanı 28 olan kişilerin θ kestirimleri θ = 0.17 ile 1.05 arasında değişti, çünkü MTK aynı toplama farklı maddelerden ulaşan kişileri, maddelerin ayırt ediciliğine göre farklı konumlara yerleştirir.

Bu sonuç madde kararını tek başına vermez. Madde 23’ün çıkarılıp çıkarılmayacağı, madde analizinde olduğu gibi içeriğine ve boyutun kapsamına bakılarak kararlaştırılır; MTK yalnız maddenin ölçmeye ne kadar katkı verdiğini θ ölçeğinde gösterir.

Madde tepki kuramı ne zaman gerekir?

Madde tepki kuramı, araştırma sorusu madde düzeyinde kesinlik, madde bankası, uyarlamalı test, madde işlev farklılığı ya da test eşitleme içerdiğinde gerekir. Soru bunlardan biri değilse, yani amaç bir ölçeğin maddelerini gözden geçirmek ve toplam puanın güvenirliğini göstermekse, klasik madde analizi ve güvenirlik katsayıları aynı kararı daha az varsayımla verebilir.

  • Madde bankası ve uyarlamalı test. Maddeler aynı θ ölçeğine yerleştirildiğinde, her kişiye o ana dek verdiği yanıtlara göre en çok bilgi veren madde sunulabilir. Bilgisayarda uyarlamalı testler bu ilkeyle çalışır.
  • Kısa form geliştirme. Bilgi fonksiyonu, uzun bir ölçekten hangi maddelerin hangi θ bölgesini kapsayacağını göstererek madde seçimini gerekçelendirir.
  • Madde işlev farklılığı. Aynı θ düzeyindeki iki grubun (ör. kadın ve erkek) bir maddeyi farklı olasılıkla onaylayıp onaylamadığı madde düzeyinde sınanır.
  • Test eşitleme. Farklı formlardan gelen puanların ortak bir ölçeğe taşınması gerektiğinde.
  • Uç düzeylerde kesinlik. Kararın θ’nın bir ucunda verildiği durumlarda (ör. yüksek risk grubunu belirleme), ölçeğin o bölgede ne kadar bilgi verdiği görülür.

Ölçek geliştirmenin hangi aşamasında hangi analizin yapıldığı ölçek geliştirme yazısında, iç tutarlılığın klasik çerçevedeki ölçüsü güvenirlik analizi yazısındadır.

MTK sonuçları nasıl raporlanır?

Bir MTK analizinin raporu, okurun modeli yeniden kurabileceği kadar ayrıntı verir:

BilgiÖrnek ifade
Model ve gerekçeBeş kategorili maddeler için aşamalı tepki modeli
Kestirim yöntemi ve yazılımMarjinal en çok olabilirlik; kullanılan program ve sürümü
Boyutluluk kanıtıFaktör analizi sonucu ya da tek boyutluluk denetimi
Yerel bağımsızlık ve uyumMadde uyum istatistikleri, artık korelasyonlar
Madde parametreleriHer madde için a ve eşikler (b), standart hatalarıyla birlikte bir tabloda
BilgiTest bilgi fonksiyonu ya da θ’ya göre standart hata grafiği
KararlarÇıkarılan ya da birleştirilen kategoriler ve gerekçeleri

Parametre tablosunun yanında, aynı maddelerin klasik göstergelerini (düzeltilmiş madde-toplam korelasyonu, madde ortalaması) vermek okura iki çerçeveyi karşılaştırma imkânı verir. Tabloların APA 7 biçimi APA 7’ye göre istatistik raporlama yazısında anlatılır.

Madde tepki kuramında sık yapılan hatalar nelerdir?

Aşağıdaki hatalar model seçiminde, verinin denetiminde ve sonuçların yorumunda ortaya çıkabilir.

  • Uyumu sınamadan parametre yorumlamak. Model veriye uymuyorsa a ve b değerleri ölçülen yapının değil, yanlış modelin özellikleridir.
  • Çok boyutlu ölçeği tek modelle çözmek. Birden çok boyutu tek bir θ ile modellemek ayırt edicilik parametrelerini ve kişi puanlarını bozar.
  • Kategori sayısını denetlememek. Hiç ya da çok az yanıt alan kategorilerin eşikleri kestirilemez ya da aşırı büyük çıkar; sıklık tablosu analizden önce okunur.
  • MTK’yı yalnız karmaşık göründüğü için seçmek. Soru madde bankası, uyarlamalı test ya da madde işlev farklılığı değilse, KTK göstergeleri aynı kararı daha az varsayımla verebilir.
  • Toplam puanla θ’yı karıştırmak. Tezde θ kestirimi kullanılıyorsa bu raporda açıkça yazılır; toplam puanla yapılan analizlerle θ ile yapılanlar aynı ölçekte değildir.

Sık sorulan sorular

Madde tepki kuramı ile klasik test kuramı arasındaki temel fark nedir?

Klasik test kuramı toplam puanı temel alır ve bütün puanlar için tek bir ölçme hatası verir; madde tepki kuramı her maddenin yanıt olasılığını θ’nın bir fonksiyonu olarak modeller ve ölçme kesinliğini θ düzeyine göre verir.

Likert ölçeğinde hangi MTK modeli kullanılır?

Likert tipi (sıralı) maddelerde kullanılan başlıca modellerden biri Samejima’nın aşamalı tepki modelidir (Samejima, 1969); her madde için bir ayırt edicilik ve kategori sayısının bir eksiği kadar eşik kestirir. Kısmi puan modeli ve genelleştirilmiş kısmi puan modeli de sıralı kategoriler için kullanılır; seçim model uyumuna ve ölçeğin amacına göre yapılır.

MTK için kaç katılımcı gerekir?

MTK için tek bir katılımcı sayısı yoktur. Gerekli büyüklük modelin parametre sayısına, kategori sayısına ve kişilerin θ ekseninde dağılımına bağlıdır; çok parametreli modeller ve az yanıt alan uç kategoriler daha büyük örneklem ister. Kestirimlerin standart hataları raporlanarak örneklemin yeterli olup olmadığı okura gösterilir.

MTK’daki ayırt edicilik parametresi ile madde-toplam korelasyonu aynı şeyi mi ölçer?

MTK’daki a parametresi ile düzeltilmiş madde-toplam korelasyonu, maddenin ölçülen yapıyla bağını gösterir ve maddeleri benzer biçimde sıralayabilir; bu yazıdaki örnekte en zayıf madde (Madde 23) ikisinde de en sonda, en güçlü madde (Madde 20) ikisinde de en baştadır. Fark, a’nın θ ölçeğinde tanımlanması ve bilgi fonksiyonuna doğrudan girmesidir; madde-toplam korelasyonu ise o örneklemin puan dağılımına bağlı bir korelasyondur.

Tezde MTK yapmak zorunlu mu?

Tezde MTK zorunlu değildir; bir ölçeğin madde işleyişini, boyut yapısını ve güvenirliğini gösterme sorusu klasik madde analizi, faktör analizi ve güvenirlik katsayılarıyla yanıtlanabilir. MTK, araştırma sorusu madde düzeyinde kesinlik, madde işlev farklılığı ya da uyarlamalı test içerdiğinde gerekir.

  • #madde-tepki-kurami
  • #psikometri
  • #olcek-gelistirme
  • #madde-analizi

Bilimsel inceleme

Doç. Dr. Hasan Yıldırım

Karamanoğlu Mehmetbey Üniversitesi Öğretim Üyesi

İnceleme tarihi:

Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.

Kaynakça

  1. Bock, R. D., & Aitkin, M. (1981). Marginal maximum likelihood estimation of item parameters: Application of an EM algorithm. Psychometrika, 46(4), 443–459.
  2. Embretson, S. E., & Reise, S. P. (2000). Item response theory for psychologists. Lawrence Erlbaum Associates.
  3. Fan, X. (1998). Item response theory and classical test theory: An empirical comparison of their item/person statistics. Educational and Psychological Measurement, 58(3), 357–381.
  4. Hambleton, R. K., Swaminathan, H., & Rogers, H. J. (1991). Fundamentals of item response theory. Sage.
  5. Reise, S. P., Ainsworth, A. T., & Haviland, M. G. (2005). Item response theory: Fundamentals, applications, and promise in psychological research. Current Directions in Psychological Science, 14(2), 95–101.
  6. Samejima, F. (1969). Estimation of latent ability using a response pattern of graded scores. Psychometrika, 34(S1), 1–97.

Kendi verinizde görün

Kavramı kendi verinizde görmek isterseniz Basira’yı ücretsiz deneyebilirsiniz. Basira’yı deneyin

Kavramı kendi verinizde görmek isterseniz panelinize dönebilirsiniz. Panele git

İlgili yazılar