DINA, DINO, HO-DINA ve HO-DINO bilişsel tanı modellerinin parametrelerinin ve sınıflama doğruluğunun karşılaştırılması
Comparison of parameters and classification accuracy of DINA, DINO, HO-DINA and HO-DINO cognitive diagnostic models
- Tez No: 918418
- Danışmanlar: PROF. DR. ŞEREF TAN
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Eğitimde Ölçme Ve Değerlendirme Bilim Dalı
- Sayfa Sayısı: 261
Özet
Bu çalışma simülasyon verilere dayalı olarak sağlık eğitiminde farklı niteliklere göre oluşturulan Q matrislerini temel alarak DINA, DINO, HO-DINA ve HO-DINO modellerinin parametrelerini farklı örneklem büyüklüğü (500, 2000, 5000) ve farklı madde sayılarına (60, 120) göre karşılaştırmayı amaçlamaktadır. Buna ek olarak çalışmada gerçek veriye dayalı olarak farklı niteliklere göre oluşturulan Q matrisleri temel alınarak modellerin parametreleri farklı madde sayılarına (60, 120) göre karşılaştırılmıştır. Gerçek veri analizindeki bulgular 2022 yılında bir dershanede uygulanan Tıpta Uzmanlık Eğitimi Giriş Sınavı (TUS) denemesine katılan Temel Tıp Bilimleri (TTB) Testinde 1166 ve Klinik Tıp Bilimleri (KTB) testinde 1132 kişiden elde edilmiştir. Bu çalışmada Q matrislerinin oluşturulduğu test maddeleri, 2022 yılında bir dershanede uygulanan 120 çoktan seçmeli maddeden oluşan TUS denemesinde yer alan Temel Tıp Bilimleri Testi ve Klinik Tıp Bilimleri Testinden elde edilmiştir. Çalışmada, (a) 2018 TUS İlkbahar Değerlendirme Raporu göz önüne alınarak belirlenen öğrenme alanları, (b) Miller'in 1990 yılındaki çalışmasında belirlediği klinik değerlendirme çerçevesinde yer alan taksonomi ve (c) Carlos Fernando Collares'in 2022 yılındaki çalışmasında tıp öğrencileri tarafından tıp bilgisinin farklı uygulamalarını ölçmeye yönelik bir test için önerdiği nitelikler temel alınarak üç farklı Q matrisi belirlenmiştir. Simülasyon çalışmasında veri üretilirken gerçek veride kullanılan test için oluşturulan Q matrisleri temel alınmıştır. Simülasyon veride her bir koşul için 100 replikasyon yapılmıştır. Simülasyon veri üretimi ve BT modellerinin analizi R programında gerçekleştirilmiştir. Ayrıca üretilen verilere ilişkin elde edilen parametrelerin karşılaştırılmasında tekrarlı ölçümler ANOVA yöntemi kullanılmıştır. Çalışmada AIC, BIC, RMSEA, g, s ve δ parametreleri ve sınıflama doğrulukları karşılaştırılmış ve DINA, DINO, HO-DINA ve HO-DINO modellerinin hangi koşullar altında benzer ya da farklı sonuç verdikleri incelenmiştir. Araştırmanın bulgularına göre nitelik boyutu olarak Alanlar düzeylerinin kullanıldığı Q matrisinin tüm modellerde en iyi parametre sonuçları veren matris olduğu belirlenmiştir. Ayrıca yapılan analizlerde en iyi AIC, BIC, RMSEA, g, s ve δ parametreleri sonuçlarının ve sınıflama doğrulukları değerlerine göre en iyi sonuçların telafisel modeller olan DINO ve HO-DINO modellerine ait olduğu tespit edilmiştir. Analiz sonuçları madde sayısı açısından incelendiğinde AIC, BIC, RMSEA, g, s v δ parametrelerinde küçük bir fark olmasına rağmen önemli bir farklılaşma oluşmadığı ve madde sayısı arttıkça sınıflama doğruluğunun da arttığı görülmüştür. Örneklem büyüklüğü açısından incelendiğinde örneklem büyüklüğünün değişmesiyle AIC, BIC, RMSEA, g, s v δ parametreleri ve sınıflama doğruluklarında küçük bir fark olmasına rağmen önemli bir farklılaşma oluşmadığı belirlenmiştir.
Özet (Çeviri)
This study aims to compare the parameters of DINA, DINO, HO-DINA and HO-DINO models based on Q matrices created according to different attributes in medical education based on simulated data according to different sample sizes (500, 2000, 5000) and different item numbers (60, 120). In addition, the parameters of the models were compared according to different item numbers (60, 120) based on Q matrices created according to different attributes based on real data. The results of the real data analysis were obtained from 1166 participants in the Basic Medical Sciences test and 1132 participants in the Clinical Medical Sciences test who took the Medical Specialty Entrance Examination (TUS) in 2022. In this study, the test items for which Q-matrices were created were obtained from the Basic Medical Sciences Test and the Clinical Medical Sciences Test of the TUS, which consisted of 120 multiple-choice items administered in a classroom setting in 2022. In the study, three different Q matrices were determined based on (a) the learning domains determined by taking into account the TUS Spring 2018 Assessment Report, (b) the taxonomy within the framework of clinical assessment determined by Miller in his 1990 study, and (c) the qualifications proposed by Carlos Fernando Collares in his 2022 study for a test to measure different applications of medical knowledge by medical students. The data generated in the simulation study were based on the Q-matrices generated for the test used in the real data. In the simulation data, 100 replications were made for each condition. The R program was used to generate the simulation data and to analyze the CD models. In addition, the repeated measures ANOVA method was used to compare the parameters obtained for the generated data. In the study, AIC, BIC, RMSEA, g, s and δ parameters and classification accuracies were compared and the conditions under which DINA, DINO, HO-DINA and HO-DINO models give similar or different results were analyzed. According to the findings of the study, it was determined that the Q-Matrix, in which the Fields levels were used as the attribute dimension, was the matrix that gave the best parameter results in all models. In addition, it was determined that the best results in terms of AIC, BIC, RMSEA, g, s and δ parameters and classification accuracies belonged to DINO and HO-DINO models, which are compensatory models. When the analysis results were analyzed in terms of the number of items, it was seen that although there was a small difference in the AIC, BIC, RMSEA, g, s and δ parameters, no significant difference occurred and the classification accuracy increased as the number of items increased. When analyzed in terms of sample size, it was determined that although there was a small difference in AIC, BIC, RMSEA, g, s v δ parameters and classification accuracy with the change in sample size, no significant difference occurred.
Benzer Tezler
- Değişen madde fonksiyonunun farklı koşullar altında DINA ve DINO modellerinin sınıflandırma performansına etkisi
The effect of DINA and DINO models on classification performance under different conditions of differential item functioning
SEYHAN SARITAŞ AKYOL
Doktora
Türkçe
2023
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. MEHTAP ÇAKAN
- 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
SEÇİL ÖMÜR SÜNBÜL
Doktora
Türkçe
2013
Eğitim ve ÖğretimMersin ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. ADNAN KAN
- On comparing classification accuracy of parametric and non-parametric cognitive diagnosis models
Başlık çevirisi yok
MUHAMMED VEYİS KILINÇER
- Beceri ve kavram yanılgılarının tanımlanmasında bilişsel tanı modeli: SISM model performansının değerlendirilmesi ve DINA, BUG-DINO modeller ile karşılaştırılması
Cognitive diagnostic model for identifying skills and misconceptions: Evaluation of SISM model performance and comparison with DINA, BUG-DINO models
BÜŞRA EREN
Doktora
Türkçe
2023
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. ŞEREF TAN
- Uluslararası okuma becerilerinde gelişim araştırması (PIRLS) 2021 Türkiye verisinin bilişsel tanı modellemesi ile analizi
Analysis of progress in international reading literacy study (PIRLS) 2021 Türkiye data using cognitive diagnostic modeling
NİHAL BURÇİN BİRCAN
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimHarran ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. SEDAT ŞEN
