Neues Projekt
Akkuratheit des Q-Matrix-Validierungsalgorithmus und Sensitivität der Modellfit-Indizes für verschiedene Arten der Q-Matrix-Fehlspezifikation für kognitive Diagnosemodelle (DiaFit) (KU 3647/2-1)
Kognitive Diagnosemodelle (DCMs) sind konfirmatorische multidimensionale latente Klassenmodelle, die aussagekräftige multivariate Leistungsprofile ermöglichen. Für Schätzung von DCMs ist die Spezifikation von Attributen in einer Q-Matrix erforderlich. Obwohl verschiedene absolute und relative Modellfitindizes für DCMs vorgeschlagen wurden, bleibt die Beurteilung der Modellanpassung bei DCMs eine Herausforderung. Ein weiterer Ansatz zur Bewertung der Korrektheit der DCMs ist die Q-Matrix-Validierungsmethode. Im Rahmen des Projekts DiaFit werden eine komplexe Simulationsstudie und eine Anwendungsstudie durchgeführt. In der Simulation wird die Sensitivität verschiedener absoluter und relativer Modellfitmaße (z.B. AIC, BIC, MAD, RMSEA) für drei verschiedene Arten von fehlspezifizierten Q-Matrizen untersucht. Außerdem wird die Robustheit des Q-Matrix-Validierungsalgorithmus untersucht. In der Simulation werden u.a. die Anzahl der Befragten, Attribute und Items variiert. Die Ergebnisse werden den Wissensstand bezüglich der Beurteilung der Modellpassung und der Robustheit des Q-Matrix-Validierungsalgorithmus wesentlich erweitern und Empfehlungen für die Beurteilung der Modellfitindizes bei DCMs in der Praxis ermöglichen. Die Ergebnisse der Simulation werden in einer Sekundäranalyse auf zwei verschiedene Datensätze zu arithmetischen Fähigkeiten in der Grundschule angewandt, die bereits erhoben wurden. Diese Anwendungsstudie wird veranschaulichen, wie verschiedene Modellfitindizes und die Q-Matrix-Validierungsmethode eingesetzt werden können, wenn die wahre Q-Matrix unbekannt ist.