Classical test theory: assumptions, equations, limitations and item analyses
5 belangrijke vragen over Classical test theory: assumptions, equations, limitations and item analyses
Bij de Klassieke Test Theorie (KTT) hoort de formule: X = T + e. Waar staan X, T en e voor? & Wat is de hoofdvraag bij deze formule / van de KTT?
- X = testscore
- T = ware score (testafhankelijk)
- e = meetfout
Hoofdvraag: Hoeveel draagt T bij tot X? / Hoeveel vd variantie in X is toe te schrijven aan T? / Hoe betrouwbaar is de test?
Var(X) = var(T) + var(e)
Wat zijn 3 belangrijke aannames over e in de KTT (X = T + e)?
- De error variantie is gelijk over de waarde van T, dus is bij alle personen die de test afnemen hetzelfde.
- Omdat er evenveel + als - errors zijn zal de gemiddelde X van verschillende metingen gelijk zijn aan T.
- Correlatie tussen e en T is 0.
Wat houdt de Domain sampling theory in?
Er zijn dus verschillende combi's mogelijk die paralleltests vormen. Bij paralleltests blijft de T score van iemand gelijk, ze zijn dus uitwisselbaar.
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Leg deze formules uit: var(e) = var(E) / P & X = T + 1/3 E1 + 1/3 E2 + 1/3 E3
var(E) = item niveau error variantie
P = aantal items
Dus hoe groter P, hoe kleiner var(e), dus hoe hoger de betrouwbaarheid van de test.
Voor elk item Y geldt: Y = T + E
X is dan het gemiddelde Y, dus bij 3 items: X = ( (T+E1) + (T+E2) + (T+E3) ) / 3
= T + 1/3 E1 + 1/3 E2 + 1/3 E3
Dus: var(x) = var(T) + var(e) = var(T) + (1/P)*var(E)
Aangenomen dan var(E) bij alle items gelijk is.
Wat is de discriminatie index?
y = ax + b met a = Discriminatieparameter
Kan op verschillende manieren, bv.: Verschil in kans op antwoord 1 tussen laagste 25% en hoogste 25% op T. Hoe groter dit verschil, hoe betere discriminatie.
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden