2023
Comparison of GPCMlasso and alignment methods in detecting differential item functioning
Çok kategorili maddelerde DMF belirlemede lasso cezalandırmalı genelleştirilmiş kısmi puan modelini hizalama yöntemiyle karşılaştırır.
Bir test, aynı yetenek düzeyindeki iki kişiye, hangi gruptan olurlarsa olsunlar, bir maddeyi doğru yanıtlama konusunda eşit şans tanıyorsa adildir (AERA, APA ve NCME, 2014). Bu durum belirli bir maddede bozulduğunda psikometride buna değişen madde fonksiyonu (DMF) denir. Sorun ölçeğin bütününde ortaya çıkıyor ve puanlar ülkeler, diller ya da cinsiyetler arasında karşılaştırılamıyorsa, ölçekte ölçme değişmezliği sağlanmamış demektir.
DMF, bir grubun daha düşük puan almasıyla aynı şey değildir; gruplar yetenek bakımından gerçekten farklı olabilir. DMF, yetenek sabit tutulduğunda maddenin kendisinin gruplar arasında farklı işlemesidir. Bunun nedeni çoğu zaman ifade biçimi, kültürel bağlam ya da bir grubun diğerine göre daha aşina olduğu içeriktir.
İki parametreli lojistik model (Birnbaum, 1968); A grubu için a = 1.2, b = 0. Alan, iki eğri arasındaki işaretsiz alandır ve θ = −3 ile +3 arasında sayısal olarak hesaplanır. Raju'nun (1988) alan ölçüsü θ'nın tüm aralığı üzerinden tanımlıdır; buradaki değer onun sınırlı aralık sürümüdür. Tek biçimli ve tek biçimli olmayan DMF ayrımı Mellenbergh'e (1982) dayanır.
İki kategorili ve çok kategorili maddelerde DMF belirleme yöntemlerinin karşılaştırılması: lojistik regresyon ve Poly-SIBTEST'ten lasso cezalandırmalı MTK modellerine, makine öğrenmesine ve üretken yapay zekâya.
Onlarca ülkenin aynı anda karşılaştırıldığı PISA gibi geniş ölçekli değerlendirmelerde ölçme değişmezliğinin hizalama (alignment) yöntemi ve Bayesçi yaklaşık değişmezlik ile sınanması.
DMF'yi karma Rasch ve MTK-MIMIC modelleri, ortak değişkenler ve örtük sınıflarla açıklamak; DMF'nin yetenek düzeyine göre değişip değişmediğini incelemek.
Çok kategorili maddelerde DMF belirlemede lasso cezalandırmalı genelleştirilmiş kısmi puan modelini hizalama yöntemiyle karşılaştırır.
PISA 2018 öğrenci anketindeki bilgi ve iletişim teknolojilerine katılım ölçeğinde DMF'yi makine öğrenmesiyle inceler.
Çok sayıda grubun aynı anda karşılaştırıldığı durumlarda ölçme değişmezliğini hizalama yöntemiyle sınar.
Çok kategorili puanlanan maddelerde iki DMF belirleme yöntemini bir PISA öğrenci anketi üzerinde karşılaştırır.
Yaygın olarak erişilebilen üretken yapay zekâ araçlarının gruplar arasında farklı işleyen maddeleri belirleyip belirleyemediğini sınar.