IRT-Modelle und Adaptives Testen mit R

Die Item-Response-Theorie (IRT, auch probalistische Testtheorie genannt) ist eine Ergänzung zur klassischen Testtheorie (KTT), die es erlaubt, von dem Antwortmuster in einem Fragebogen oder eines psychodiagnostischen Testinstruments auf zugrundeliegende Einstellungs-, Fähigkeits- oder Persönlichkeitsmerkmale zu schließen. Diese Informationen können genutzt werden, um psychodiagnostische Tests mit hoher Konstruktvalidität zu entwickeln bzw. im Rahmen des adaptiven Testens (für R eignet sich insbesondere das Tailored Testing) mit einer gezielten Auswahl von wenigen Testitems zu einem validen und reliablen Testergebnis zu gelangen. In dem Seminar wird neben den theoretischen Grundlagen der klassischen und der probalistischen Testtheorie verschiedene IRT-Modelle für den dichotomen Antwortmodus unterrichtet, mit denen Item-Faktor-Analysen (IFA) und das adaptive Testen realisiert werden kann. Die Beispiele und Übungsaufgaben erfolgen mit der statistischen Analyseumgebung RStudio mit R und dem R-Paket mirt.

Alle Bewertungen stammen ausschließlich von Seminarteilnehmern von Dr. Haug Leuschner.
Die Bewertungen werden von einem unabhängigen Dienstleister gesammelt, geprüft und ausgewertet.

Zielgruppe

Anwender aus den Bereichen der Sozial- und Marktforschung und der psychologischen, pädagogischen und soziologischen Forschung

Voraussetzungen

Grundkenntnisse in der Anwendung der statistischen Programmiersprache R und der Entwicklungsumgebung RStudio sollten vorhanden sein. Korrelationen und Signifikanztests sollten bekannt sein und angewendet werden können. Fehlende Vorkenntnisse können in dem Grundlagenkurs Grundlagen der Statistik mit R erworben und aufgefrischt werden. Alternativ kann bei einem Inhouse-Seminar bzw. Online-Seminar ein zusätzlicher Tag mit einer Einführung in Base R mit RStudio stattfinden.

Lernziele

Die Lernziele sind: theoretischen Hintergrund der klassischen und der probalistischen Testtheorie verstehen, Rasch-Modelle mit R/RStudio erstellen, interpretieren und einsetzen zu können, Kriterien zur Auswahl von Items zu Beginn und während des Tests und zur Beendigung eines Tests im Rahmen adaptiven Testens anwenden zu können. Es wird Wert auf den Anwendungsbezug gelegt, die Praxisbeispiele und Übungsaufgaben erfolgen mit der statistischen Analyseumgebung RStudio mit R und dem R-Paket eRm.