Bilişsel tanı modellerinde parametre kestirimini ve sınıflama tutarlılığını etkileyen faktörlerin incelenmesi
Factors affecting the item parameter estimation and classification accuracy of the cognitive diagnostic models
- Tez No: 353182
- Danışmanlar: DOÇ. DR. ADNAN KAN
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Bilişsel Tanı Modelleri, DINA model, DINO model, parametre kestirimi, sınıflama tutarlılığı, Cognitive Diagnostic Models, DINA Model, DINO Model, parameter estimation, classification accuracy
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Eğitimde Ölçme ve Değerlendirme Bilim Dalı
- Sayfa Sayısı: 152
Özet
Bu çalışmanın amacı, Bilişsel Tanı Modelleri'nde madde parametre kestirimini ve sınıflama tutarlılığını etkileyen faktörlerin neler olduğunun incelenmesi ve tamamlayıcı model (DINO) ile tamamlayıcı olmayan modellerin (DINA) hangi durumlarda yanlılık ve sınıflama tutarlılığı açısından örtüştüğünün ya da ayrıştığının araştırılmasıdır. Bu amaç doğrultusunda, tamamlayıcı olmayan model (DINA) kullanılarak çeşitli faktörlere (örneklem büyüklüğü, özelikler arası korelasyon, özelik sayısı, madde sayısı, s (kaydırma) ve g (tahmin) parametre düzeyleri) göre veri üretilmiştir. Üretilen veri ise, hem DINA hem de DINO modele göre analiz edilmiş ve her bir durum için 100 yineleme (replikasyon) yapılmıştır. Veri üretimi ve verinin modellere göre analizi R 3.0 programında CDM paketi kullanılarak gerçekleştirilmiştir. Parametre kestirimi, madde uyumu ve sınıflama tutarlılığı için elde edilen 576 tane çıktı dosyası değişimleme ölçütlerine göre hem temel etkiler hem de ortak etkiler bazında düzenlenmiştir. DINA analiz modeli kullanılarak, g parametre kestirimi için elde edilen“Mutlak Ortalama Yanlılık (MOY)”ortalamalarına, örneklem büyüklüğünün, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. s parametre kestiriminden elde edilen MOY ortalamalarına ise, örneklem büyüklüğünün, özelikler arası korelasyon düzeyinin ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. DINA analiz modeli kullanılarak madde uyumu için elde edilen RMSEA ortalama değerlerine, örneklem büyüklüğünün, özelik sayısının, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. DINA analiz modeli kullanılarak sınıflama tutarlılığı için elde edilen "Doğru Sınıflama Oranları (DSO) sonuçları incelendiğinde ise, özelik sayısının, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir.DINO analiz modeli kullanılarak g ve s parametre kestirimi, madde uyumu ve sınıflama tutarlılığı hesaplamasından elde edilen sonuçlar incelendiğinde özelikler arası korelasyon düzeyinin, özelik sayısının, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. Genel sonuç olarak, hem g ve s parametre kestirimleri hem de madde uyumu hesaplamalarında, tüm faktörlerin her koşul düzeylerinde, DINA analiz modelinden elde edilen sonuçların, DINO analiz modelinden elde edilen sonuçlara göre daha düşük olduğu gözlenmiştir.
Özet (Çeviri)
The purpose of this study is to investigate the factors affecting the item parameter estimation and classification accuracy of the Cognitive Diagnostic Models (CDM) and to determine in which case the compensatory models (DINO) and noncompensatory models (DINA) overlap. For this purpose, the data is generated by using noncompensatory model (DINA) according to various factors (sample size, correlation between attributes, the number of attributes, the number of item, s and g parameters levels). For this study 576 experimental cells were designed for data simulation and 100 replications were conducted for each cell. The simulated data were analyzed by using DINA and DINO models. Data simulation and analyses were conducted by using R 3.0 with CDM package. The output files were organized for parameter estimation, item fit and classification accuracy for both main and interaction effects. By using DINA analysis model, it was observed that there were significant effects of sample size, number of items and levels of g and s parameters on the mean“Absolute Mean Bias”(AMB) values obtained for g parameter estimation. The results of DINA analysis model showed that there were significant effects of sample size, level of the correlation between attributes and level of the s and g parameters on the mean AMB values obtained for s parameter estimation. Furthermore, by using DINA analysis model, it was observed that there were significant effects of sample size, number of item, number of attribute and levels of g and s parameters on the mean RMSEA values. The results of DINA analysis model showed that there were significant effects of number of item, number of attribute and levels of g and s parameters on the mean values of“Correct Classification Rate (CCR)”. According to results of DINO analysis model, there were significant effects of number of item, level of the correlation between attributes, number of attribute and levels of g and s parameters on the mean AMB values obtained for g and s parameter estimation, the mean RMSEA and CCR values.Additionally, it was observed that, the mean values of AMB and RMSEA obtained from DINA analysis model were lower than the values obtained from DINO analysis model both for all the factors and for all factors levels.
Benzer Tezler
- Dina modelde Q matrisinin hatalı belirlenmesinin farklı örneklem büyüklüklerinde parametre kestirimine ve bireylerin sınıflandırılmasına etkisi
The effect of the Q-matrix misspecification on parameter estimation and classification of individuals in differing sample sizes for the Dina model
GİZEM UYUMAZ
Doktora
Türkçe
2016
Eğitim ve ÖğretimAnkara ÜniversitesiEğitimde Ölçme ve Değerlendirme Ana Bilim Dalı
DOÇ. DR. ÖMAY ÇOKLUK BÖKEOĞLU
- Bilişsel tanı modellerinde data/q matris genişletme yönteminin örtük sınıf dağılımları üzerine etkisi
Effect of data/q matrix augmentation on latent class distributions in cognitive diagnostic models
SİMGE CEYLAN
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimEge ÜniversitesiEğitimde Ölçme ve Değerlendirme Ana Bilim Dalı
DOÇ. DR. TAHSİN OĞUZ BAŞOKÇU
- Bilişsel tanı modellerinden pG-DINA, sG-DINA, DINA ve R-RUM modellerinin çeşitli koşullar altında incelenmesi
Investigationof cognitive diagnostic models pG-DINA, sG-DINA, DINA and R-RUM models under various conditions
MEHTAP AKTAŞ
Doktora
Türkçe
2021
Eğitim ve ÖğretimMersin ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. NEZAKET BİLGE UZUN
- Bilişsel tanı ve çok boyutlu madde tepki kuramı modellerinin karşılıklı uyumlarının incelenmesi
Retrofitting of cognitive diagnosis and multidimensional item response theory models
LEVENT YAKAR
Doktora
Türkçe
2017
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. NURİ DOĞAN
- Bilişsel tanı modellerinin değişen koşullar altında karşılaştırılması: DINA, RDINA, HODINA ve HORDINA modelleri
The comparision of cognitive diagnosis models under changing conditions: DINA, RDINA, HODINA and HORDINA models
ÖMÜR KAYA KALKAN
Doktora
Türkçe
2016
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. HÜLYA KELECİOĞLU