Bilişsel tanı ve çok boyutlu madde tepki kuramı modellerinin karşılıklı uyumlarının incelenmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Eğitim Bilimleri Enstitüsü, Eğitim Bilimleri A.B.D., Türkiye
Tezin Onay Tarihi: 2017
Tezin Dili: Türkçe
Öğrenci: LEVENT YAKAR
Asıl Danışman (Eş Danışmanlı Tezler İçin): NURİ DOĞAN
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu araştırmada, ortak yönlere sahip olan bilişsel tanı modelleri (BTM) ve çok boyutlu madde kuramı (ÇBMTK) modellerinin birbiri yerine kullanım durumları incelenmiştir. Uyarlama olarak ifade edilen bu işlemde birey parametre kestiriminin gerçek düzeye ne derecede yakın olduğu üzerinde durulmuştur. Bu amaçla ÇBMTK'ya yakın özellikler barındıran çok kategorili bir bilişsel tanı modeli olan tam eklenir model (fully-additive model; fA-M) önerilmiştir. Araştırma kapsamında BTM'lerden çok düzeyli genelleştirilmiş belirleyici girdi ve kapısı (polytomous generalized deterministic input noisy and gate; pG-DINA; de la Torre, 2011) ve fA-M modelleri ile 2PL ÇBMTK modeli kullanılmıştır. Her modelde madde ayırt edicilik indeksi, test maddelerinin yapılarına göre oranı, test uzunluğu ve yetenekler arası korelasyon değerleri farklılaştırılarak toplamda 54 koşul için telafi edici ve telafi edici olmayan yaklaşımlarda 108 veri seti üretilmiştir. ÇBMTK için iki boyut olarak tasarlanan yapı, BTM'ler için dörder düzeye sahip iki nitelik olarak düzenlenmiştir. ÇBMTK'de sürekli olan yetenek parametresi kesme puanları ile kategorik hale getirilerek BTM'ye benzer hale getirilmiştir. Verilerin her üç model ile analizi sonucu birey parametrelerinin doğru sınıflama oranları elde edilmiştir. Araştırma iki alt problemde tanımlanmıştır. İlki ÇBMTK verisinin analizini içeren BTM'nin ÇBMTK'ye uyarlanması, diğeri ise BTM verilerinin analizi ile ÇBMTK'nin BTM'ye uyarlanmasıdır. Her iki alt problemde de faktörlerin sonuçlara etkisi benzer olmuştur. Sonuçlarda, kullanılan koşullardan test uzunluğu artışının birey parametre doğruluğuna artışını getiren en kuvvetli faktör olduğu görülmüştür. Test uzunluğunu sırasıyla madde ayırt edicilik ve madde yapısı oranı izlemektedir. Yetenekler arası korelasyonun varlığı ise birey parametre doğruluğuna etkisi pozitif ancak diğer faktörlere göre sınırlı olduğu görülmüştür. BTM'nin uyarlanmasını içeren ilk alt problemde telafi edici ile telafi edici olmayan verilerin analiz sonuçları arasındaki farkın az olduğu, ÇBMTK'nin uyarlanmasını içeren ikinci alt problemde ise bu farkın telafi edici veri analiz sonuçları lehine daha fazla olduğu görülmüştür. Sonuçlar modeller açısından ele alındığında beklendiği üzere tüm veri türleri, ait oldukları modeller tarafından en yüksek doğrulukta kestirilmiştir. Uyarlama çalışmalarında ise ÇBMTK ve pG-DINA verisi fA-M tarafından, fA-M verisi ise ÇBMTK tarafından verinin ait olduğu modele yakın bir oranda doğru kestirilmiştir. ÇBMTK verisinden bilişsel tanı bilgisi alınmak istendiğinde, yeteneklerin çok kategorili niteliğe dönüştürülebilmesi durumunda fA-M uygulaması doğru bir seçenek olacaktır. Benzer şekilde fA-M verisinden sürekli yetenek puanı elde edilmek istendiğinde, nitelikler boyutlara dönüştürülebiliyorsa ÇBMTK uygulamasının kullanılması önerilmektedir. PG-DINA ve ÇBMTK'nin karşılıklı olarak uyarlamasında ise elde edilen doğru sınıflama oranları diğerlerinden düşüktür. FA-M verisinin pG-DINA ile analizi yine düşük doğrulama oranı ile sonuçlanmıştır. Çalışma kapsamında önerilen fA-M'ın, ÇBMTK ve kendisi gibi BTM olan pG-DINA verilerini üretilen modele yakın bir doğrulukta kestirmesi modelin başarısını göstermektedir. FA-M'ın diğer çok kategorili BTM'lerden farklı olarak geliştirdiği madde yanıtlama olasılığı hesaplamasına uygun yeni modeller önerilebilir. Bu sayede fA-M'ın daha farklı verilerde de başarılı kestirimler yapabilecek ve model-veri uyumu yüksek yeni bir model ailesine öncülük edeceği düşünülmektedir. Anahtar sözcükler: Bilişsel tanı modelleri, çok boyutlu madde tepki kuramı, uyarlama, çok kategorili nitelik, fully additive model (fA-M).