Rekenen voor peuters - Toetswijzer
Rekenen voor peuters - Toetswijzer
Rekenen voor peuters - Toetswijzer
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
meer zijn aangewezen. In het programma OPLM zijn standaard enkele toetsen <strong>voor</strong> goodnessof-fit<br />
ingebouwd, en deze toetsen hebben <strong>voor</strong>al een goed onderscheidend vermogen om te<br />
ontdekken of de discriminatieparameters wel goed zijn ingeschat. Maar <strong>voor</strong> sommige<br />
schendingen van het model hebben deze toetsen weinig of geen power. Hier is een <strong>voor</strong>beeld:<br />
een paar jaar geleden is op het Cito de Interessetest gemaakt <strong>voor</strong> leerlingen van groep 8.<br />
Een standaardanalyse met OPLM op de vier deelschalen van de test (Techniek, Economie,<br />
Taal en Cultuur en Zorg en Welzijn) gaf een erg goede fit van het model te zien. Nader<br />
onderzoek om te achterhalen of de test op dezelfde manier kon worden gebruikt <strong>voor</strong> jongens<br />
en <strong>voor</strong> meisjes bracht duidelijk aan het licht dat dit niet het geval was. De procedure die<br />
werd gebruikt om dit aan het licht te brengen was een statistische toets <strong>voor</strong> goodness-of-fit<br />
die speciaal is ontworpen om verschillen in functioneren van het model in verschillende<br />
deelpopulaties (hier: jongens en meisjes) te ontdekken.<br />
Het <strong>voor</strong>beeld kan een paar zaken duidelijk maken: uit de bespreking van het <strong>voor</strong>beeld<br />
kunnen we niet opmaken hoe de testprocedure in elkaar steekt. Het is hier ook niet de plaats<br />
om dit te doen, want het betreft een puur statistisch probleem dat redelijk ingewikkeld is.<br />
Wat wel belangrijk is dat in de analyse van de Interessetest de statistische procedure is<br />
uitgevoerd <strong>voor</strong> jongens en meisjes, en niet, bij<strong>voor</strong>beeld, <strong>voor</strong> leerlingen die in de eerste zes<br />
maanden van het jaar zijn geboren tegenover leerlingen die in de laatste zes maanden zijn<br />
geboren. De reden hier<strong>voor</strong> is dat er <strong>voor</strong>af een vermoeden bestond dat er <strong>voor</strong> interesses wel<br />
eens een verschil zou kunnen zijn tussen jongens en meisjes, terwijl er geen duidelijke<br />
redenen zijn om aan te nemen dat de geboortemaand er iets toe doet. Meer algemeen betekent<br />
dit dat een doordacht gebruik van statistische procedures gestuurd dient te worden vanuit een<br />
inhoudelijk geïnspireerd vermoeden dat er wel eens iets mis zou kunnen zijn met het<br />
gebruikte meetmodel.<br />
In het <strong>voor</strong>beeld van de Interessetest werd ervan uitgegaan dat de populatie waar<strong>voor</strong> de test<br />
is bedoeld niet homogeen was in termen van het meetmodel: dezelfde test meet blijkbaar iets<br />
anders bij jongens dan bij meisjes. Maar er bestaat ook een heel andere klasse van<br />
veronderstellingen waarbij men ervan uitgaat dat de verzameling items in de toets niet<br />
homogeen is met betrekking tot het meetmodel. De profielanalyse die in de volgende sectie<br />
wordt uitgewerkt behoort tot deze klasse. Voor we aan de specifieke uitwerking beginnen<br />
wijden we enige aandacht aan het algemene probleem van niet homogene itemverzamelingen.<br />
In het algemeen zou men kunnen zeggen dat een gebrek aan homogeniteit van de itemverzameling<br />
een <strong>voor</strong>beeld is van multidimensionaliteit. Daar is weinig tegen in te brengen<br />
tenzij dat het begrip multidimensionaliteit zelf niet duidelijk gedefinieerd is. Meestal denkt<br />
men aan een specifiek geval waarbij de bestudeerde itemverzameling uiteenvalt in twee of<br />
drie deelverzamelingen die op zichzelf wel door een unidimensionaal model (bij<strong>voor</strong>beeld<br />
OPLM) kunnen worden beschreven, maar er kunnen ook andere gevallen van multidimensionaliteit<br />
worden onderscheiden. Bovendien is het van belang bij multidimensionaliteit<br />
niet alleen te onderzoeken of er al dan niet sprake is van meer dan een dimensie, maar ook in<br />
welke mate de multidimensionaliteit afwijkt van de unidimensionaliteit. Bij de Eindtoets<br />
Basisonderwijs wordt <strong>voor</strong> de items <strong>Rekenen</strong> meestal een unidimensionaal model gebruikt,<br />
maar in de rapportage wordt een onderscheid gemaakt naar drie deeldomeinen: Getallen en<br />
Bewerkingen, Meten, Tijd en Geld en Breuken, Procenten Verhoudingen. Als de items uit<br />
deze drie deeldomeinen afzonderlijk met een unidimensionaal model worden geschat en<br />
naderhand wordt de correlatie tussen deze drie vaardigheden geschat, dan blijken alle<br />
correlaties groter te zijn dan 0.96. Dit betekent dat er evidentie is dat de drie vaardigheden<br />
niet samenvallen, maar tezelfdertijd dat de onderlinge correlatie dermate hoog is dat het<br />
5