no comments

Analisis Rasch Penting untuk Memahami dan Penggunaan untuk Pengukuran

  • Dalam pengukuran, niat kami ialah menggunakan nombor (yang merupakan markah / penilaian yang benar) untuk menunjukkan “lebih” atau “kurang” sifat yang dianggap homogen; Sebenarnya bahagian penting penyiasatan adalah untuk mengesahkan bahawa data mencerminkan homogenitas itu.

 

  • Analisis Rasch (RA) adalah pendekatan unik pemodelan matematik berdasarkan ciri laten dan menyelesaikan kecenderungan konkrit stokastik (probabilistik) (conjoint means pengukuran orang dan item pada skala yang sama dan aditif adalah sifat selang sama skala).

 

  • Tujuan RA adalah untuk memaksimumkan sifat homogenitas dan untuk membolehkan pengurangan yang lebih besar tanpa pengorbanan maklumat pengukuran dengan mengurangkan item dan / atau tahap pemarkahan untuk menghasilkan ukuran yang lebih sah dan mudah. Kadang-kadang ini memerlukan pengekstrakan dari langkah-langkah data yang berantakan yang sesuai dengan pemboleh ubah laten homogen dan / atau mengenal pasti ciri-ciri penyingkiran data (mis., Item buruk, salah pengertian) yang bercanggah dengan homogenitas.

 

  • RA membolehkan penarafan set ciri-ciri yang terhad yang mewakili ciri asas, yang terhad bermakna satu set kecil mungkin mencukupi.

 

  • Sama ada diamati atau dilaporkan sendiri, penarafan yang disimpulkan sifatnya mewakili berapa banyak sifat yang telah dikuasai, kerana skor mentah adalah “statistik yang mencukupi” untuk ukuran Rasch.

 

  • Model ini menganggap bahawa kebarangkalian interaksi orang / item tertentu (dari segi penarafan tinggi atau rendah) hanya ditangani oleh kesukaran item dan keupayaan orang, yang ditentukan oleh lokasi item pada pemboleh ubah laten yang dianggap bersama-sama dengan struktur skala penarafan.

 

  • Skor mentah mempunyai jarak yang tidak diketahui antara mereka. Rasch membina anggaran selang masa sebenar kesukaran item dan kemampuan orang dengan membuat langkah-langkah linear.

 

  • Dalam proses ini, nilai item ditentukur dan kebolehan orang diukur pada kontinum bersama yang menyumbang sifat laten. Sekiranya penarafan item hilang, model menganggarkan penarafan kemungkinan seseorang tanpa memasukkan data yang hilang.

 

  • Pada masa yang sama, ketidakseimbangan seseorang lulus atau gagal item tertentu dianggarkan item mengikut item dari segi statistik yang sesuai. Ini adalah perbandingan antara apa yang sebenarnya berlaku dan apa ramalan model sepatutnya berlaku berdasarkan ukuran anggaran.

 

  • Statistik INFIT dan OUTFIT adalah statistik fitch Rasch diagnostik yang paling banyak digunakan. Perbandingan dengan nilai anggaran yang hampir atau jauh dari nilai yang diharapkan. INFIT lebih diagnostik apabila langkah-langkah item adalah dekat dengan langkah orang. OUTFIT lebih diagnostik apabila langkah-langkah item jauh dari langkah orang. Tetapi, untuk skala penarafan yang panjang, seperti instrumen FIMTM, perbezaan ini cenderung hilang.

 

  • Perangkaan yang sesuai menunjukkan di mana pengendali harus membuat keputusan sama ada padam memadam, merakam, atau membuat pesanan item. Memutuskan bagaimana untuk memilih bilangan dan potongan mata kategori penarafan adalah lebih rumit, memerlukan kombinasi kesesuaian, kebolehpercayaan dan makna substantif.

 

  • Langkah-langkah linear Rasch pada asalnya dinyatakan dalam unit log-ganjil tetapi mungkin ditunda untuk menyesuaikan skala konvensional, dari 0 hingga 100 sementara mengekalkan aditif tambahan. Model ini juga mengira ralat pemarkahan di setiap peringkat sebagai kesilapan standard ukuran.

 

  • Ralat sentiasa lebih besar di hujung atas dan bawah skala kerana model Rasch tidak terhad pada ekstrem, tetapi langkah-langkah dari tengah-tengah julat nilai dan menjangka infiniti di kedua-dua arah. Pengukuran adalah lebih baik apabila nilai-nilai tengah subjek terletak berdekatan dengan nilai-nilai tengah ukuran. Dalam erti kata lain, skor sebenar lebih tidak pasti kerana had skala didekati.

 

  • RA mengubah skala ordinal ke dalam langkah-langkah selang yang boleh digunakan dalam analisis statistik parametrik dan langkah-langkahnya dicirikan dengan ralat piawai untuk analisis yang lebih canggih. Langkah-langkah pesakit dan penentukuran nilai item individu diukur pada metrik yang sama dan bersifat tempatan, dengan syarat kriteria Rasch dipenuhi.

 

  • Langkah-langkah yang dibina dengan menggunakan RA adalah unidimensional dan mempunyai hierarki kalibrasi item yang boleh diramal yang merangkumi pelbagai kesukaran dalam domain penilaian.

 

  • Langkah-langkah terakhir dibina oleh pengendali berdasarkan keputusan terbaik:- penyebaran nilai item (kesahan langkah-langkah)

    – Mengurangkan ralat pengukuran (ketepatan)

    – kebarangkalian dan ketidaksesuaian (patut) item dan nilai orang kepada yang dijangkakan dari model

    – kebolehpercayaan keseluruhan (bunyi bising)

    – kesederhanaan, dan

    – pematuhan kepada sifat nilai klinikal yang diukur

  • Langkah-langkah bangunan menggunakan RA memerlukan data yang sesuai dengan model, bukannya model sesuai dengan data.

 

  • Pemodelan Rasch memudahkan analisa respons terhadap item individu berkenaan dengan kedudukan mereka yang dikalibrasi dalam ukuran.

 

  • Ringkasnya, analisis Rasch memberikan ukuran yang sah secara dalaman yang, apabila dibangunkan dari sampel yang bersesuaian, bebas daripada sampel tertentu yang digunakan, bermakna hasil penemuan untuk sampel itu dapat dieksploitasi kepada penduduknya.

SUMBER: www.rasch.org

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL