期刊名称：Pamukkale Universitesi Egitim Fakultesi Dergisi
印刷版ISSN：1301-0085
出版年度：2019
卷号：46
期号：46
页码：290-306
DOI：10.9779/pauefd.546797
语种：English
出版社：Pamukkale University
摘要：Bu araştırmanınamacı, farklı oranlarda kayıp veri varlığında madde-özellik sayısı ilişkisinin,DINA model kestirimlerini nasıl etkilediğini incelediğini simülasyon verileriüzerinden incelemektir. Verilerin üretimlesinde dört özellik ve 24 maddedenoluşan bir Q matris kullanılmıştır. Q matrixteki ilk, orta ve son 8 maddesırasıyla 1, 2 ve 3 özellikle ilişkilendirilerek 3000 kişilik bir veri setiüretilmiş ve bu verilerde yer alan her 8 maddelik bloktan sırası ile %5, %10 ve%15 veri rassal silinmiştir. Ardından, bu veri setlerine MI yöntemi ileimputasyon yapılmıştır. Bu işlemler, her bir koşul için 100 keztekrarlanmıştır. Bu veri setlerinden elde edilen kestirimler, kayıpsız verisetinden elde edilen değerler ile karşılaştırılmıştır. Araştırmanın bulgularıkayıp veri miktarındaki artışın, DINA model parametre ve örtük sınıfkestirimlerindeki tutarlılığı olumsuz yönde etkilediğini göstermiştir. Maddeninilişkili olduğu özellik sayısı arttıkça örtük sınıf uyumu kayıp veriden daha azetkilenmiştir. Maddenin ilişkili olduğu attribute sayısı arttıkça bu maddelerdegözlenen kayıp veri, testin g parametresi uyum düzeyini daha az, sparametresini daha çok etkilemiştir. Araştırmanın sonuçları özellikle CDMmodellerini kullanan test geliştiricilerinin kayıp veri gözlenen maddelerde,madde-özellik ilişkisini göz önünde bulundurmaları gerektiğini göstermektedir. The objective of this studyis to investigate the relation between the number of items and attributes andto analyze the manner in which the different rates of missing data affect themodel estimations based on the simulation data. A Q-matrix contains 24 items,and data are generated using four attributes. A dataset of n = 3000 isgenerated by associating the first, middle, and final eight items in theQ-matrix with one, two, and three attributes, respectively, and 5%, 10%, and15% of the data have been randomly deleted from the first, middle, and finaleight-item blocks in the Q-matrix, respectively. Subsequently,imputation was performed using the multiple imputation (MI) method with thesedatasets, 100 replication was performed for each condition. The values obtainedfrom these datasets were compared with the values obtained from the fulldataset. Thus, it can be observed that an increase in the amount of missingdata negatively affects the consistency of the DINA parameters and the latentclass estimations. Further, the latent class consistency becomes less affectedby the missing data as the number of attributes associated with the itemsincrease. With an increase in the number of attributes associated with theitems, the missing data in these items affect the consistency level of the gparameter (guessing) less and the s parameter (slip) more. Furthermore, it canbe observed from the results that the test developers using the cognitivediagnosis models should specifically consider theitem–attribute relation in items with missing data.
关键词：trenDINA model;kayıp veri;örtük sınıf kestirimi;madde-özellik ilişkisi
