AK FLB II Flashcards
Nenne die zwei Annahmen vom Partial Credit Modell.
s. Testtheorie und Testkonstruktion 2
Erklären Sie die Reliabilität anhand der KTT. ///
Was versteht man unter True-Score-Variable (wahrer Wert) und Messfehler. Eigenschaften nennen und den Zusammenhang mit Reliabilität erläutern.
s. Testtheorie und Testkonstruktion 2
Wie kann man einen Test mit ungesicherter Reliabilität anwenden und dann prüfen? (Stellen Sie sich vor, es gibt in der Personalabteilung einen neuen Test zur Bewerberauswahl. Die Reliabilität des Tests ist bisher nicht bekannt. Wie können Sie den Test verwenden und die Reliabilität bestimmen?) oder so ähnlich.
Test mit selben Personen wiederholen, um Messfehler zu überprüfen
> Sind Messfehler sehr groß, ist keine Reliabilität ggb (s. Facetten der Reliabilität)
Cronbachs α erklären.
- Maß für Homogenität eines Tests
- Aus Itempool werden per Zufall zwei Itemstichpr gezogen, d vom selben Umfang d interessierenden Tests sind
- Items d Tests sollen ebenfalls aus dieser Population entstammen
- Items jeder d beiden Itemstichproben werden zu einer Testhälfte aufsummiert
- Korrelation beider Tests = Maß für Ähnlichkeit d Items
- Erwartungswert dieser Korrelation (über alle mögli Stichprziehungen hinweg) => Cronbachs α
> In konkreter Anwendung ist Cronbachs α d Mittelwert aller möglichen Split-Half-Koeffizienten, die man aufgrund d Items erhalten kann - Bei gleicher Varianz d Summenvariablen, umso größer, je größer d Kovarianzen d beobachtbaren V sind
> Daher auch: innere / interne Konsistenz - Aus hohem Wert von Cronbachs α kann nicht auf Eindimensionalität (alle Items erfassen ein gem latentes Merkmal) d Tests geschlossen werden
> Ob Cronbachs α ein Maß für Reliabilität ist, muss anhand von Modellgütetests überprüft werden
Was sind lineare und was sind nicht lineare Transformationen?
s. Testtheorie und Testkonstruktion 2
Erklären Sie Prozentrangwerte.
- Gibt an, wie viel Prozent d Personen d Normpopulation denselben / geringeren Wert als eine Person mit spezif Testwert aufweisen
- Da man Vtlg d Testwerte in Normpopulation meistens nicht kennt, müssen Prozentrangwerte anhand von Stichprobendaten geschätzt werden
> Den zu einem spezifischen Testwert korrespondierenden Prozentrangwert erhält man, indem man kumulierte Häufigkeit (Anzahl der Personen der Normstichprobe, die diesen Testwert oder einen geringeren aufweisen) durch Größe d Normstichpr teilt u Wert mit 100 multipliziert
Normorientierte und kriteriumsorientierte Transformation erklären. Unterschiede beschreiben. Beispiel nennen.
s. Testtheorie und Testkonstruktion 2
Mittelwert, Standardabweichung und Verlauf von Standardwerten zeichnen/angeben mit Skala (T-, Stanine-, C- und Sten-Werte).
T-Werte: 7 transformierte Werte, d zu annähernd normalvert Werten mit Mittelwert von 50 u Standardabweichung von 10 führen
Stanine-Werte (Verkürzung von „standard score of nine units“): Umfassen ganze Zahlen von 1 bis 9, im Falle normalverteilter V weisen Stanine-Werte Mittelwert von 5 u Standardabweichung von 2 auf
> Um Stanine-Werte zu bestimmen werden zunächst d anhand Prozentrangwerte normalisierten z-Werte gebildet u linear transformiert
> Man erhält dazugehörigen Stanine-Wert, indem man berechnete Zahl auf nächste ganze Zahl rundet (Zahlen < 1,5 d Wert 1 u > / = 8,5 d Wert 9 zugeordnet)
C-Werte (Centil-Werte): Es werden obere u untere Kategorien d Stanine-Werte in zwei Kategorien aufgeteilt (C-Skala umfasst 11 Werte)
> Werte d Skala sind ganze Zahlen von 0 bis 10 (bis auf Randwerte 0 u 10 decken restliche Werte 1 bis 9 je eine halbe Standardabw ab)
> Schranken zw Kategorien lassen sich somit wie bei Stanine-Werten bestimmen
> Allen Werten < 0,5, wird C-Wert C = 0 zugeordnet, alle Werte > / = 9,5 erhalten C-Wert C = 10
- Mittelwert u Standardabweichung analog zu Stanine
Sten-Werte.: Basieren auf demselben Prinzip wie Stanine- u C-Werte, Skala umfasst allerdings zehn Werte (ganze Zahlen von 1 bis 10)
> Wertezuweisung erfolgt analog zu Stanine- u C-Werten
> Werten < 1,5 d Sten-Wert 1 u allen Werten > / = 9,5 d Sten-Wert 10 zugeordnet
> Im Falle normalvert V haben Sten-Werte Mittelwert v 5,5 u Standardabw v 2
Vor und Nachteile von Standardnormen (normalisierende Transformationen).
Vorteile:
1. Bei Interpretation d transformierten Werte kann man auf Eigenschaften d Normalverteilung zurückgreifen
2. Transformationen insbes auch dann sinnvoll anwendbar, wenn Testwertvariab schon normalverteilt sind u man auf entspr normierte Werte zurückgreifen will,
zB um Anzahl der Testwerte zu reduzieren
Nachteile:
1. Nur dann plausibel, wenn von Normalverteilung der wahren Merkmalsauspräg ausgeg werden kann (muss in jedem Anwendungsfall aufgr von Plausibilitätsüberlegungen entschieden werden)
2. Gibt es keine guten Gründe für diese Annahme, kann Interpretation d normalisierten Werte zu Fehlinterpretationen führen
> Da es sich um nicht lineare Transformationen handelt, kann dieselbe Differenz zw zwei transformierten Werten zB im mittleren / im oberen Bereich d Vtlg mit untersch Differenzen d nicht transformierten Werte einhergehen, wenn urspr Merkmalsausprägungen nicht normalverteilt sind
> Man kann daher bzgl normalisierter und nicht normalisierter Werte
zu untersch Aussagen über Merkmalsuntersch kommen
- Weiterverrechnung der Werte ist daher wie bei anderen nicht linearen Transformationen nicht unproblematisch, wenn ursprüngl
Testwerte nicht normalverteilt
Man sollte zu diesen Zwecken eher
auf nicht transformierten
Werte zurückgreifen
=> Normalisierende Transformation muss in jedem Anwendungsfall gut begründet u bei Interpretation d Werte beachtet werden
Erklären Sie Falsch-Positv und Falsch-Negativ bei einer Diagnose. Was hat dies mit Sensitivität zu tun? // Bedingte Wahrscheinlichkeit (Sensitivität, Spezifität).
s. Testtheorie und Testkonstruktion 2
