Geri Dön

Düzenlileştirme ve bilişsel tanı modellerine dayalı değişen madde fonksiyonu incelemesi

Examination of differential item functioning based on regularization and cognitive diagnostic models

PDF İndir

  1. Tez No: 815414
  2. Yazar: SİNEM ŞENFERAH
  3. Danışmanlar: PROF. DR. HAKAN YAVUZ ATAR
  4. Tez Türü: Doktora
  5. Konular: Eğitim ve Öğretim, Education and Training
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Eğitim Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 404

Özet

Bu çalışmanın genel amacı, PISA 2018 Türkiye verisi M01 sınıfında yer alan Matematik maddelerine yönelik olası değişen madde fonksiyonu (DMF) kaynaklarının çok boyutlu ölçme yanlılığı çerçevesinde istatistiksel olarak incelenmesini sağlamaktır. Bu doğrultuda düzenlileştirilmiş DMF (RegDIF) yöntemi ile cinsiyet, okul türü, sosyoekonomik düzey (ESCS), küresel sorunlarla ilgili özyeterlilik (GCSELFEFF), öğrencinin beklenen mesleki durumu (BSMJ), okumayı sevme (JOYREAD), okula ait olma duygusu (BELONG), öğrenci tarafından algılanan ebeveynlerin duygusal desteği (EMOSUPS), öğrenmeyi engelleyen öğrenci davranışı (STUBEHA) arka plan değişkenleri ve bunların etkileşimlerine göre DMF gösteren maddeler incelenerek çok boyutlu karmaşık formlarda bireye özgü olası DMF kaynaklarının ortaya konması; BTM kapsamında DMF belirleme yöntemleri ile de cinsiyet ve okul türüne göre DMF gösteren maddeler incelenerek Q matrisinde yer alan bilişsel süreç ve öğrenme alanı nitelikleri temelinde olası DMF kaynaklarının ortaya konması amaçlanmıştır. Bu amaç doğrultusunda ilk araştırma sorusu kapsamında MNLFA modeline dayalı düzenlileştirilmiş DMF yöntemi (RegDIF) kullanılarak DMF incelemesi ve bireye özgü olası DMF kaynakları ele alınmıştır. İkinci araştırma sorusu bağlamında ise bilişsel tanı modelleri çerçevesinde DMF belirlemek için“CDM”ve“GDINA”R paketlerinde yer alan DMF belirleme yöntemleri kullanılmıştır. Buna göre“CDM”R paketinde yer alan Wald testi kullanılarak GDINA modelinde DMF incelemesi gerçekleştirilmiş olup aynı zamanda bu çalışma kapsamında ilk olarak yapılandırılmış gizil sınıf analizi kullanılarak DINA modelinde düzenlileştirilmiş DMF incelemesi yapılmıştır.“GDINA”R paketi ile Wald testi, LR testi (Likelihood ratio test) ve Wald testi ile LR testinde ileri anchor madde arama prosedürleri olan Wald-FS ve LR-FS DMF belirleme yöntemleri kullanılarak GDINA model altında DMF incelemesi gerçekleştirilmiş ardından DMF gösterdiği belirlenen maddeler için öğrencilerin ilgili niteliklere sahip olma olasılıklarının (Attribute Mastery Probabilities) kategorik değişkenler (cinsiyet ve okul türü) açısından farklılık gösterip göstermediği t testi ile incelenmiştir. Bunun yanında bilişsel nitelikler açısından DMF kaynaklarının tespitine yönelik her bir madde için Q matrisinde belirtilen niteliklere dayalı olarak belirlenen niteliğe sahip olma olasılıklarının, bağımlı değişken; grupların, bağımsız değişken olarak tanımlandığı MANOVA analizlerinde grupların bağımlı değişkenlerin bileşeninden elde edilen ortalama puanları arasında anlamlı fark olup olmadığı araştırılmıştır. Ek olarak DMF gösterdiği belirlenen maddelerde cinsiyet ve okul türü grupları arasında indirgenmiş nitelik vektörüne dayalı ele alınan gizil sınıflar için başarı olasılıklarının grafiksel gösterimi elde edilmiştir. Çalışmada, RegDIF analizleri ile birlikte BTM kapsamında DMF incelemesi sonucunda elde edilen olası DMF kaynaklarına yönelik bulguların birlikte ele alınmasının, özellikle maddeye erişimin sınırlı olduğu araştırmalarda hem bireye özgü arka plan özellikleri hem de maddenin gerektirdiği bilişsel ve öğrenme alanları gibi nitelikler bağlamında olası DMF kaynaklarının ortaya çıkarılmasına katkı sağladığı ifade edilebilir.

Özet (Çeviri)

The primary goal of this study is to statistically investigate potential DIF sources for the M01 class of the Mathematics items in the PISA 2018 Turkey data within the context of multidimensional measurement bias. By examining items exhibiting DIF using the regularized DIF (RegDIF) method in accordance with background variables such as gender, school type, socioeconomic level (ESCS), self-efficacy related to global issues (GCSELFEFF), expected professional status of the student (BSMJ), liking to read (JOYREAD), sense of belonging to school (BELONG), emotional support of parents perceived by the student (EMOSUPS), student behavior that interferes with learning (STUBEHA) and their interactions, it is hoped to shed light on potential sources of DIF specific to the individual in multidimensional complex forms. By investigating the DIF determination techniques within the scope of CDM and the items demonstrating DIF according to gender and school type, it was also hoped to identify DIF sources on the basis of cognitive process and learning area features in the Q matrix. With respect to the first research question, the regularized DIF approach (RegDIF), which is based on the MNLFA model, was used to accomplish this goal and identify potential individual DIF sources. The“CDM”and“GDINA”R packages were used to determine DIF within the framework of cognitive diagnosis models in the context of the second research question. Accordingly, DIF analysis was performed in the GDINA model using the Wald test in the“CDM”R package, and for the first time in the context of this research, regularized DIF analysis was performed in the DINA model using structured latent class analysis. Using the“GDINA”R package, DIF analysis under the GDINA model was performed using DIF detection methods which are Wald test, LR test (Likelihood ratio test), advanced anchor substance search procedures Wald-FS and LR-FS. The t-test was then used to evaluate whether the probability of students possessing the necessary skills (Attribute Mastery Probabilities) differed based on categorical variables (gender and school type) for the items determined to indicate DIF. Additionally, it was examined whether there was a statistically significant difference between the mean scores of the groups obtained from the component of the dependent variables in the MANOVA analyses, in which the probability of having the attribute determined based on the attributes specified in the Q matrix for each item in terms of cognitive attributes was defined as the dependent variable and the groups as the independent variable. On the basis of the reduced attribute vector between gender and school type groups in items judged to display DIF, a graphical representation of the probability of success for the latent classes was also obtained. With this study, along with the RegDIF analyzes, the findings regarding the potential DIF sources obtained as a result of the DIF examination within the scope of CDM contribute to the emergence of potential DIF sources in terms of both individual characteristics and substance-related characteristics, to overcome the limitations of expert opinion-based review, especially in studies where access to the substance is limited.

Benzer Tezler

  1. Tez No

    512088

    Classification of pediatric snoring episodes using deep convolutional neural networks

    Pediyatrik horlama episodlarının derin evrişimsel sinir ağları ile sınıflandırılması

    OZAN FIRAT CİVANER

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. MUSTAFA ERSEL KAMAŞAK

  2. Tez No

    847173

    Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  3. Tez No

    275851

    Combination of conventional regularization methods and genetic algorithms for solving the inverse problem of electrocardiography

    Ters elektrokardiyografik problemlerin çözümü için geleneksel düzenlileştirme yöntemleri ve genetik algoritmaların birleştirilmesi

    SEDAT SARIKAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    BiyomühendislikOrta Doğu Teknik Üniversitesi

    Bilimsel Hesaplama Ana Bilim Dalı

    PROF. DR. GERHARD WİLHELM WEBER

    YRD. DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ

  4. Tez No

    538366

    Development and validation of methods for the diagnosis of lung cancer via serological biomarkers

    Akciğer kanserinin serolojik biyobelirteçler ile teşhisine yönelik yöntem geliştirilmesi ve doğrulanması

    ABBAS GÜVEN AKÇAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Biyolojiİhsan Doğramacı Bilkent Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. ALİ OSMAY GÜRE

  5. Tez No

    527492

    Adaptive multivariate solution schemes for inverse electrocardiography problem

    Ters elektrokardiografi problemininn çözümünde çokdeğişkenli uyarlanabilir yöntemler

    ÖNDER NAZIM ONAK

    Doktora

    İngilizce

    İngilizce

    2018

    MatematikOrta Doğu Teknik Üniversitesi

    Bilimsel Hesaplama Ana Bilim Dalı

    DOÇ. DR. YEŞİM SERİNAĞAOĞLU DOĞRUSÖZ

    PROF. DR. GERHARD WİEHELM WEBER

Geri Dön