Boş bırakma ve hızlı tahmin davranışlarının madde tepki ağacı ile modellenmesi
Modeling omission and rapid-guessing behavior with irtree models
- Tez No: 1019864
- Danışmanlar: PROF. DR. DUYGU ANIL
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Eğitimde Ölçme ve Değerlendirme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hızlı tahmin davranışları ve çeşitli nedenlerle yanıtlanmayan maddeler geçerlik için tehdit oluşturmaktadır. Bilgisayar-tabanlı uygulamalar sayesinde testi alan bireylerin tepki süresi gibi süreç verileri elde edilebilmektedir. Yanıtlama sürecinden elde edilecek veriler geçerlik için kanıt oluşturabilmektedir. Testi alan bireylerin bilişsel maddelere yanıt verirken ölçülen özelliği tamamen yansıtmak için çaba gösterdiği varsayılmaktadır. Oysa uygulamada bireylerin zaman sınırı, düşük motivasyon gibi çeşitli nedenlerden dolayı gerekli çabayı gösteremedikleri görülmektedir. Bu nedenle çalışmada ortaya çıkan yanıtlamama ve hızlı tahmin davranışının nasıl ele alınacağı üzerine odaklanılmaktadır. Bilişsel özellikleri ölçen maddelere yanıt verme sürecinin aşamalı ve çeşitli birey özelliklerinden etkilenen bir yapısı göz önüne alınarak madde tepki ağaç modellerine dayanan bir model önerilmiştir. Çalışmada, PISA 2018 verilerinin MTK Ağaç yaklaşımına dayalı boş bırakma ve hızlı tahmin davranışı gibi özelliklerin dahil edildiği modellerle yapılacak kestirimlerin karşılaştırılması amaçlanmaktadır. Analizlerde, PISA 2018 bilgisayar tabanlı uygulamasından 3397 öğrencinin 18 matematik maddesine verdikleri yanıtlar ve yanıt süreleri kullanılmıştır. Ayrıca gerçek veri uygulamalarından hareketle çeşitli simülasyon koşullarında üretilen verilere ait kestirimler karşılaştırılmıştır. Eşik değerler model düzeyinde incelendiğinde NT30 (NT – normatif eşik) yöntemi ile elde edilen veri seti hızlı tahmin davranışı modeline en iyi uyumu göstermiştir. Hem boş bırakma hem de hızlı tahmin davranışının dahil edildiği modelde ise alt grup ve üst grup olarak uygulanan NT30 yöntemi ile elde edilen veri seti en iyi uyumu göstermiştir. Simülasyon çalışmalarında ise, hızlı tahmin davranışlarının düzeyinin yetenek kestirimlerinin yanlılık ve RMSE ortalamalarında anlamlı bir etkiye sahip olduğu görülmüştür. Buradan hareketle araştırmacılara ve uygulayıcılara çeşitli öneriler sunulmuştur.
Özet (Çeviri)
Rapid guessing behaviors and non-response items for various reasons pose a threat to validity. Process data such as reaction time of individuals taking the test can be obtained through computer-based applications. Data to be obtained from the response process can constitute evidence for validity. It is assumed that individuals taking the test make an effort to fully reflect the measured feature while responding to cognitive items. However, in practice, it is observed that individuals cannot make the necessary effort due to various reasons such as time limit and low motivation. Therefore, the focus of the study is on how to address the non-response and rapid guessing behavior that occur. Considering that the process of responding to items measuring cognitive characteristics has a gradual structure and is affected by various individual characteristics, a model based on item response tree models has been proposed. The study aims to compare the estimations to be made with models that include implicit characteristics such as rapid guessing behavior and omission tendency based on the IRTree approach of PISA 2018 data. In the analyses, the responses and response times of 3397 students to 18 mathematics items from the PISA 2018 computer-based application were used. In addition, the estimates of the data produced under various simulation conditions were compared based on real data applications. When the threshold values were examined at the model level, the data set obtained with the NT30 (NT-normative threshold) method showed the best fit to the rapid guessing behavior model. In the model where both the omission and the rapid guessing behavior were included, the data set obtained with the NT30 method applied as the lower group and upper group showed the best fit. In the simulation studies, it was observed that the level of rapid guessing behaviors had a significant effect on the bias and RMSE averages of the skill estimations. Based on this, various suggestions were presented to researchers and practitioners.
Benzer Tezler
- Numerical and experimental investigation on the crushing behaviour of auxetic lattice cells produced with additive manufacturing techniques
Eklemeli imalat teknikleri ile üretilmiş ökzetik kafes yapıların ezilme davranışlarının nümerik ve deneysel olarak incelenmesi
KADİR GÜNAYDIN
Doktora
İngilizce
2020
Makine Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. HALİT SÜLEYMAN TÜRKMEN
DR. ÖĞR. ÜYESİ ANTONIO MATTIA GRANDE
- An open-source, machine learning based intrusion detection system
Makı̇na öğrenmesı̇ tabanlı açık kaynak kodlu saldırı tespı̇t sı̇stemı̇
ZEMRE ARSLAN TÜVER
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. ENVER ÖZDEMİR
- Dynamic numerical analysis of typical monopile foundations for offshore wind turbine applications
Deniz rüzgar türbini uygulamaları için tipik tek kazıklı temellerin dinamik sayısal analizi
ABDUH KIWANUKA
Yüksek Lisans
İngilizce
2023
İnşaat MühendisliğiMersin Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR LÜTFİ ERTUĞRUL
- Siltli ve killi zeminlerin tekrarlı yükler altındaki davranışı
The cyclic behavior of silty and clayey soils under cyclic loads
MEHMET BARIŞ CAN ÜLKER
Yüksek Lisans
Türkçe
2004
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYFER ERKEN