期刊名称：Pamukkale Universitesi Egitim Fakultesi Dergisi
印刷版ISSN：1301-0085
出版年度：2022
期号：54
页码：188-214
DOI：10.9779/pauefd.769548
语种：Turkish
出版社：Pamukkale University
摘要：Bu çalışmanın amacı, Bilişsel Tanıya Dayalı Bilgisayar Ortamında Bireye Uyarlanmış Testlerde (BT-BOBUT), DINA ve DINO model için farklı nitelik sayısında, madde kalitesinde ve test uzunluklarında madde seçim algoritmalarının performanslarını ölçme doğruluğuna göre incelemektir. Çalışma kapsamında, nitelik sayısı 5 ve 8 olarak değişimlenmiş ve her madde en az bir nitelik ve en fazla 4 nitelik ölçecek şekilde sınırlandırılmıştır. Veri üretiminde, g ve s parametreleri yüksek madde kalite düzeyi için U(0,05-0,25) ve düşük madde kalite düzeyi için U(0.10-0.30) tekbiçimli dağılımdan çekilmiştir. Her bireyin her niteliğe sahip olma şansı %50 olacak şekilde 3000 bireye ait bilişsel örüntüler üretilmiştir. Sonlandırma kuralı olarak 8, 16 ve 24 sabit test uzunlukları kullanılmıştır. Çalışmada kullanılan madde seçim algoritmaları GDI, JSD, MI, PWCDI ve PWKL’dir. Madde seçim algoritmalarının performansları, nitelik ve örüntü koruma oranlarına göre değerlendirilmiştir. Çalışmada veri üretimi ve analizleri R 3.6.3 yazılımı kullanılarak gerçekleştirilmiştir. Çalışma sonucunda, madde kalitesi ve test uzunluğu arttıkça tüm algoritmaların ölçme doğruluk değerlerinin arttığı, nitelik sayısı arttıkça ölçme doğruluğunun azaldığı tespit edilmiştir. JSD algoritmasının ölçme doğruluğu tüm koşullarda en yüksek iken, PWKL algoritmasının en düşük olduğu bulunmuştur. DINA ve DINO modellerde PWKL algoritması dışındaki algoritmaların performansı yaklaşık aynı iken, DINO modelde PWKL algoritmasının ölçme doğruluğunun DINA modelden daha düşük olduğu bulgusu elde edilmiştir.The aim of this study is to examine the performance of item selection algorithms according to the accuracy of measuring through different number of attributes, item quality and test lengths for DINA and DINO models in cognitive diagnostic computerized adaptive testing (CD-CAT). Within the scope of the study, the number of attributes was manipulated as 5 and 8, and each item was limited to measure at least one attribute and at most 4 attributes. In data generation, the g and s parameters were drawn from the uniform distribution of U(0.05-0.25) for high item quality level and U (0.10-0.30) for low item quality level. Cognitive patterns of 3000 examinees were generated so that each examinee had a 50% chance of having each attribute. Fixed test lengths of 8, 16 and 24 were used as termination rules. GDI, JSD, MI, PWCDI and PWKL were used as item selection algorithms in the study. The performances of item selection algorithms were evaluated according to their attribute and pattern recovery rates. Data generation and analysis in the study were carried out using R 3.6.3 software. As a result of the study, it was determined that the measurement accuracy values of all algorithms increased as the item quality and test length increased, and the measurement accuracy decreased as the number of attributes increased. It was found that the measurement accuracy of the JSD algorithm was the highest in all conditions, while the PWKL algorithm was the lowest. While the performance of the algorithms except for PWKL algorithm in DINA and DINO models was approximately the same, it was found that the measurement accuracy of the PWKL algorithm in the DINO model was lower than that of the DINA model.
关键词：DINO model;item selection algorithms;cognitive diagnostic model;DINO Model;computerized adaptive test;DINA Model;Madde Seçim Yöntemi;DINA model;Bilişsel Tanı Modeli;Bilgisayar Ortamında Bireye Uyarlanmış Test
