Rasch Modeline uygun yanıt desenlerinde bilgisayar uyarlamalı test yöntemi ile makine öğrenmesi yöntemlerinin tahmin performanslarının benzetim çalışması ile karşılaştırılması
Comparison of prediction performance of computer adaptive testing with machine learning methods in response patterns suitable for Rasch Model with simulation study
- Tez No: 634573
- Danışmanlar: DOÇ. DR. BEYZA DOĞANAY ERDOĞAN
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Sağlık alanında doğrudan ölçüm yapılamayan örtük (latent) değişkenlerin değerlendirilmesinde kullanılan ölçekler bireylerin düzeyleri hakkında bilgi sahibi olmak için kullanılır. Ölçekler klasik kalem-kağıt uygulaması yanı sıra BUT yöntemi ile de uygulanabilir. Bu tez çalışmasında, farklı senaryolarda Rasch modelinden türetilen yapay verilerde BUT uygulamasında yaygın olarak kullanılan algoritma (algoritma içerisinde olasılıksal model olarak Rasch modeli ve soru seçim kriteri olarak da bilgi kriterine dayalı soru seçimi) ile BUT uygulamasına alternatif yeni bir yaklaşım olarak makine öğrenmesi algoritmalarının (CART, RF, GBM ve XGBoost) performansları incelenmiştir. Farklı parametreler için değerlendirilen yöntemlerin birbirilerinden üstün olduğu farklı parametreler bulunmuştur. Madde sayıları dikkate alındığında CART yönteminin en az madde ile tahminleri yaptığı sonucu ortaya çıkmıştır. RMSE değerlerine bakıldığında ise GBM ve XGBoost yöntemlerinin düşük RMSE değerlerine sahip olduğu görülmektedir. Karşılaştırılan yöntemler toplam skorları tahmininde iyi bir SKK değerine sahiptir. Genel olarak yapılan karşılaştırmalar sonucunda, yeni bir çalışma planlayan bir kişinin amacına uygun olarak BUT yöntemine alternatif olarak makine öğrenmesi yöntemlerini kullanması önerilmektedir.
Özet (Çeviri)
The scales used to measure latent variables, which cannot be measured directly in the field of health, are used to have information about the characteristics () levels of individuals. Scales can be answered with classical methods as well as CAT method. In this thesis, the performance of machine learning algorithms (CART, RF, GBM and XGBoost ) as a new approach to CAT application with the algorithm routinely used in CAT application (Rasch model as a probabilistic model in the algorithm and information criterion as a question selection criterion) in an simulation data derived from different scenarios from the Rasch model. Different parameters were found in which the methods evaluated for different parameters are superior to each other. When the number of items is taken into account, it is revealed that the CART method makes predictions with the least number of items. When RMSE values are analyzed, it is seen that GBM and XGBoost methods have low RMSE values. The methods compared have a good ICC value in estimating total scores. As a result of general comparisons, it is recommended that a person planning a new study use machine learning methods as an alternative to the CAT method in accordance with its purpose.
Benzer Tezler
- Sırasız eşik değerlerinin birleştirilmesinde farklı stratejilerin rasch modeline uyum üzerindeki etkisi
The effect of different strategies for combining disordered thresholds on rasch model fit
ÖMER FARUK DADAŞ
Yüksek Lisans
Türkçe
2018
BiyoistatistikEge ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. TİMUR KÖSE
DOÇ. DERYA GÖKMEN
- Çoklu atama yöntemlerinin Rasch modelleri için performansının benzetim çalışması ile incelenmesi
Assessing the performance of multiple imputation techniques for Rasch models with a simulation study
BEYZA DOĞANAY ERDOĞAN
Doktora
Türkçe
2012
BiyoistatistikAnkara ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ATİLLA HALİL ELHAN
- Çok değişkenli çok düzeyli model yaklaşımıyla PISA fen okuryazarlığı başarı farklılıklarının madde yanıt formatına göre değerlendirilmesi
A multivariate multilevel model approach to evaluating PISA science achievement by item response format
SERAP GÜLLE
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimEge ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. BURAK AYDIN
- Uzunlamasına veri analizinde yapısal eşitlik modeli yaklaşımı: Örtük büyüme modelleri
Structural equation modeling approach in longitudinal data analysis: Latent growth models
FUNDA SEHER ÖZALP ATEŞ
Doktora
Türkçe
2021
BiyoistatistikAnkara ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. DERYA GÖKMEN
- Çocuklar için istismar Bilgi Ölçeği'nin Türkçe'ye uyarlanması, geçerlik ve güvenirliği
Adaptation, validity and reliability of exclusive information survey for children
ESMA SAKINMAZ
Yüksek Lisans
Türkçe
2019
Halk SağlığıAkdeniz ÜniversitesiHemşirelik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE MEYDANLIOĞLU