Fachgruppe für Methoden und Evaluation - Universität Bamberg
Fachgruppe für Methoden und Evaluation - Universität Bamberg
Fachgruppe für Methoden und Evaluation - Universität Bamberg
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Fr., 23.09., Klassifikationen, 15.50-16.10 Uhr, Kapelle M3/126N (K)<br />
Analyse individueller Klassifikationen in verallgemeinerten DINA-Modellen<br />
Ann Cathrice<br />
Alexander Robitzsch<br />
Jürgen Groß3<br />
George1<br />
2<br />
1 Research School Education<br />
and Capabilities<br />
TU Dortm<strong>und</strong><br />
Hauert 14a<br />
44227 Dortm<strong>und</strong>,<br />
Deutschland<br />
a.george@educap.de<br />
2 B<strong>und</strong>esinstitut <strong>für</strong> Bildungsforschung,Innovation<br />
& Entwicklung des österreichischenSchulwesens<br />
(BIFIE)<br />
Salzburg<br />
Zentrum <strong>für</strong> Bildungsmonitoring<br />
& Bildungsstandards<br />
Alpenstraße 121<br />
5020 Salzburg<br />
Österreich<br />
a.robitzsch@bifie.at<br />
3 Fakultät Statistik, TU<br />
Dortm<strong>und</strong><br />
Vogelpothsweg 87<br />
44227 Dortm<strong>und</strong><br />
Deutschland<br />
gross@statistik.tudortm<strong>und</strong>.de<br />
Kognitive Diagnostische Modelle (Cognitive Diagnosis Models;<br />
CDMs; Di Bello, Roussos & Stout, 2007) bilden eine<br />
Familie konfirmatorischer probabilistischer Modelle mit dichotomen<br />
latenten Variablen, die Mehrfachladungsstrukturen<br />
erlauben. Häufig wird der Einsatz dieser Modellfamilie<br />
damit begründet, dass individuelle Klassifikationen der<br />
Testteilnehmer in latente dichotome Klassen von beherrschten<br />
bzw. nicht beherrschten Gr<strong>und</strong>fähigkeiten nutzbringend<br />
zur Erstellung informativer Rückmeldungen eingesetzt<br />
werden können.<br />
Im vorliegenden Beitrag werden verschieden komplexe Modelle<br />
der Klasse der verallgemeinerten DINA-Modelle (G-<br />
DINA; de la Torre, 2011; Henson, Templin & Willse, 2009)<br />
<strong>für</strong> den Datensatz zur österreichischen Bildungsstandards-<br />
Testung der 8. Schulstufe in Mathematik spezifiziert <strong>und</strong><br />
auf Eigenschaften untersucht. Dabei wird zunächst die Modellanpassung<br />
mit Hilfe verschiedener Fitindizes bewertet.<br />
Außerdem werden die unter den verschiedenen Modellen<br />
entstehenden Klassifikationen der einzelnen SchülerInnen<br />
als KönnerInnen bzw. NichtkönnerInnen der modellierten<br />
Fähigkeiten verglichen. Besonders hervorgehoben wird dabei<br />
die individuelle Klassifikation hinsichtlich der inhaltlichen<br />
Kompetenzen, die in jedem der Modelle spezifiziert<br />
sind.<br />
In einer sich anschließenden Simulationsstudie werden die<br />
Unterschiede zwischen dem gewöhnlichen DINA Modell<br />
<strong>und</strong> dem <strong>für</strong> die Daten komplexesten G-DINA Modell bewertet.<br />
Da i.A. nicht bekannt ist aus welchem Modell empirische<br />
Testdaten stammen, werden in der Simulationsstudie<br />
Daten aus einem der beiden Modelle generiert <strong>und</strong> mit<br />
dem anderen angepasst. Die Größe der jeweils entstehenden<br />
Fehlklassifikationsraten soll Hinweise liefern, in welchen<br />
Situationen ein gewöhnliches oder ein komplexes Modell<br />
vorzuziehen ist.<br />
de la Torre, J. (2011). The generalized DINA framework. Psychometrika,<br />
76, 179-199.<br />
DiBello, L., Roussos, L., & Stout, W. (2007). Review of cognitively<br />
diagnostic assessment and a summary of psychometric<br />
models. In C. R. Rao, & S. Sinharay (Eds.), Handbook of<br />
statistics (pp. 979–1030). Amsterdam: Elsevier.<br />
Henson, R., Templin, J., & Willse, J. (2009). Defining a family of<br />
cognitive diagnosis models using log-linear models with latent<br />
variables. Psychometrika, 74, 191-210.<br />
89