No abstract

<p>In this study, it was aimed to investigate the impact of different missing data<br />handling methods on DINA model parameter estimation and classification<br />accuracy. In the study, simulated data were used and the data were generated<br />by manipulating the number of items and sample size. In the generated data,<br />two different missing data mechanisms (missing completely at random and<br />missing at random) were created according to three different amounts of<br />missing data. The generated missing data was completed by using methods<br />of treating missing data as incorrect, person mean imputation, two-way<br />imputation, and expectation-maximization algorithm imputation. As a result,<br />it was observed that both s and g parameter estimations and classification<br />accuracies were effected from, missing data rates, missing data handling<br />methods and missing data mechanisms.</p>

Position effects may influence examinees' test performances in several ways and trigger other psychometric issues, such as Differential Item Functioning (DIF) .This study aims to supply test forms in which items in the test are ordered differently, depending on their difficulty level (from easy to difficult or difficult to easy), to determine whether the items in the test form result in DIF and whether a consistency exists between the methods for detecting DIF. Research Methods: Methods of Mantel Haenszel (MH) and Logistic Regression (LR) have been taken into consideration to identify whether the items in the tests involve DIF.

No abstract

ÖZ: Bu çalışmanın amacı, Bilişsel Tanı Modelleri'nde madde parametre kestirimini, madde uyumunu ve sınıflama tutarlılığını etkileyen faktörlerin neler olduğunun incelenmesidir. Bu amaç doğrultusunda, tamamlayıcı olmayan model (DINA) kullanılarak çeşitli faktörlere (örneklem büyüklüğü, özelikler arası korelasyon, özelik sayısı, madde sayısı, s ve g parametre düzeyleri) göre veri üretilmiştir. Üretilen veri, DINA analiz modeline göre analiz edilmiş, R 3.0 programı ve CDM paketi kullanılmış ve her bir durum için 100 yineleme (replikasyon) yapılmıştır. Parametre kestirimi, madde uyumu ve sınıflama tutarlılığı için, elde edilen çıktı dosyaları, değişimleme ölçütlerine göre hem temel etkiler hem de ortak etkiler bazında düzenlenmiştir. g parametre kestirimi için elde edilen "Mutlak Ortalama Yanlılık (MOY)" ortalamalarına, örneklem büyüklüğünün, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. s parametre kestiriminden elde edilen MOY ortalamalarına ise, örneklem büyüklüğünün, özelikler arası korelasyon düzeyinin ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. Madde uyumu için elde edilen RMSEA ortalama değerlerine, örneklem büyüklüğünün, özelik sayısının, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. Sınıflama tutarlılığı için elde edilen "Doğru Sınıflama Oranları (DSO) sonuçları incelendiğinde ise, özelik sayısının, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. Anahtar sözcükler: Bilişsel Tanı Modelleri, DINA model, parametre kestirimi, sınıflama tutarlılığı ABSTRACT: The purpose of this study is to investigate factors affecting the item parameter estimation, item fit and classification accuracy of the Cognitive Diagnostic Models (CDM).For this purpose, the data is generated by using noncompensatory model (DINA) according to various factors (sample size, correlation between attributes, the number of attributes, the number of item, s and g parameters levels). The simulated data were analyzed by using DINA models. Data simulation and analyses were conducted by using R 3.0 with CDM package. The output files were organized for parameter estimation, item fit and classification accuracy for both main and interaction effects. By using DINA analysis model obtained from mean values of "Absolute Mean Bias" (MOY) to estimate g parameter, sample size, number of items and levels of g and s parameters of significant effect were observed. s parameter estimation obtained from the mean values MOY, sample size, level of the correlation between attributes and level of the s and g parameters of a significant effect were observed. By using DINA analysis model obtained from mean values of RMSEA, sample size, number of item, number of attribute and levels of g and s parameters of significant effect was observed. By using DINA analysis model obtained from mean values of "Correct Classification Rate (CCR)", number of item, number of attribute and levels of g and s parameters of sig...