对评级级别项目认知反应机制的个体差异解脱:灵活混合的多维IRTree方法
Ömer Emre Can Alagöz1, Thorsten Meiser2, Lale Khorramdel3
1Department of Psychology, University of Mannheim, L 13 15, 68161, Mannheim, Germany. alagoez@uni-mannheim.de.
新的混合IRTree (MixTree) 模型通过考虑响应策略中的个体差异来提高准确性,与传统模型不同. 它根据他们独特的决策过程确定了不同的受访者群体.
科学领域:
- 心理测量 心理测量 心理测量
- 统计建模 统计建模
- 行为科学 行为科学
背景情况:
- 项目响应理论 (IRT) 模型分析评级规模数据,但通常假定统一的响应策略.
- 启发式响应策略,如响应风格 (RS),可以影响准确性,但并不总是充分建模.
- 传统的IRTree模型处理响应风格,但假设所有受访者使用相同的策略,可能导致不准确的推断.
研究的目的:
- 引入混合IRTree (MixTree) 模型,以适应应对策的个体差异.
- 通过考虑响应风格异质性,提高评级级别项目推断的准确性.
- 确定个体之间响应过程变化的潜在来源.
主要方法:
- 开发了混合IRTree (MixTree) 模型,将参与者分配到具有不同的响应过程的潜在类.
- 结合了基于类成员的特征和极端响应风格 (ERS) 评分的不同权重.
- 利用模拟研究进行模型验证和经验数据分析以识别潜在类.
主要成果:
- 模拟研究证实了MixTree能够准确地恢复潜在类和模型参数的能力.
- 经验数据分析揭示了两个不同的潜在的受访者类别.
- 一个确定的类与特征驱动的响应机制相关,而另一个与响应风格驱动的机制相关.
结论:
- 混合树模型通过承认响应策略异质性,为分析评级级数据提供了更准确的方法.
- 可以确定响应过程中的个体差异,例如特征驱动与响应风格驱动的机制.
- 这种方法提高了从心理测量评估中得出的推断的有效性.
更多相关视频
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
09:12Three Laboratory Procedures for Assessing Different Manifestations of Impulsivity in Rats
Published on: March 17, 2019
相关概念视频
Self-Report Tests of Personality
Cattell's 16 Personality Factors
In contrast, source traits are the...
Response Surface Methodology
The process of RSM involves several key steps:
Stereotypes, Prejudice, and Discrimination
Multiple Intelligences Theory
Measures of Intelligence
Validity refers to how well a test measures what it claims to measure. An intelligence test should accurately assess intelligence rather than another characteristic, like anxiety. Criterion validity is one way to evaluate this;...
