Bilişsel tanı modellerinde parametre kestirimini ve sınıflama tutarlılığını etkileyen faktörlerin incelenmesi

Abstract

Bu çalışmanın amacı, Bilişsel Tanı Modelleri'nde madde parametre kestirimini ve sınıflama tutarlılığını etkileyen faktörlerin neler olduğunun incelenmesi ve tamamlayıcı model (DINO) ile tamamlayıcı olmayan modellerin (DINA) hangi durumlarda yanlılık ve sınıflama tutarlılığı açısından örtüştüğünün ya da ayrıştığının araştırılmasıdır.Bu amaç doğrultusunda, tamamlayıcı olmayan model (DINA) kullanılarak çeşitli faktörlere (örneklem büyüklüğü, özelikler arası korelasyon, özelik sayısı, madde sayısı, s (kaydırma) ve g (tahmin) parametre düzeyleri) göre veri üretilmiştir. Üretilen veri ise, hem DINA hem de DINO modele göre analiz edilmiş ve her bir durum için 100 yineleme (replikasyon) yapılmıştır. Veri üretimi ve verinin modellere göre analizi R 3.0 programında CDM paketi kullanılarak gerçekleştirilmiştir. Parametre kestirimi, madde uyumu ve sınıflama tutarlılığı için elde edilen 576 tane çıktı dosyası değişimleme ölçütlerine göre hem temel etkiler hem de ortak etkiler bazında düzenlenmiştir. DINA analiz modeli kullanılarak, g parametre kestirimi için elde edilen `Mutlak Ortalama Yanlılık (MOY)` ortalamalarına, örneklem büyüklüğünün, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. s parametre kestiriminden elde edilen MOY ortalamalarına ise, örneklem büyüklüğünün, özelikler arası korelasyon düzeyinin ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir.DINA analiz modeli kullanılarak madde uyumu için elde edilen RMSEA ortalama değerlerine, örneklem büyüklüğünün, özelik sayısının, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir. DINA analiz modeli kullanılarak sınıflama tutarlılığı için elde edilen `Doğru Sınıflama Oranları (DSO) sonuçları incelendiğinde ise, özelik sayısının, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir.DINO analiz modeli kullanılarak g ve s parametre kestirimi, madde uyumu ve sınıflama tutarlılığı hesaplamasından elde edilen sonuçlar incelendiğinde özelikler arası korelasyon düzeyinin, özelik sayısının, madde sayısının ve s ve g parametre düzeylerinin anlamlı bir etkisinin olduğu gözlenmiştir.Genel sonuç olarak, hem g ve s parametre kestirimleri hem de madde uyumu hesaplamalarında, tüm faktörlerin her koşul düzeylerinde, DINA analiz modelinden elde edilen sonuçların, DINO analiz modelinden elde edilen sonuçlara göre daha düşük olduğu gözlenmiştir.Anahtar Kelimeler: Bilişsel Tanı Modelleri, DINA model, DINO model, parametre kestirimi, sınıflama tutarlılığı

The purpose of this study is to investigate the factors affecting the item parameter estimation and classification accuracy of the Cognitive Diagnostic Models (CDM) and to determine in which case the compensatory models (DINO) and noncompensatory models (DINA) overlap.For this purpose, the data is generated by using noncompensatory model (DINA) according to various factors (sample size, correlation between attributes, the number of attributes, the number of item, s and g parameters levels). For this study 576 experimental cells were designed for data simulation and 100 replications were conducted for each cell. The simulated data were analyzed by using DINA and DINO models. Data simulation and analyses were conducted by using R 3.0 with CDM package. The output files were organized for parameter estimation, item fit and classification accuracy for both main and interaction effects. By using DINA analysis model, it was observed that there were significant effects of sample size, number of items and levels of g and s parameters on the mean `Absolute Mean Bias` (AMB) values obtained for g parameter estimation. The results of DINA analysis model showed that there were significant effects of sample size, level of the correlation between attributes and level of the s and g parameters on the mean AMB values obtained for s parameter estimation. Furthermore, by using DINA analysis model, it was observed that there were significant effects of sample size, number of item, number of attribute and levels of g and s parameters on the mean RMSEA values. The results of DINA analysis model showed that there were significant effects of number of item, number of attribute and levels of g and s parameters on the mean values of `Correct Classification Rate (CCR)`.According to results of DINO analysis model, there were significant effects of number of item, level of the correlation between attributes, number of attribute and levels of g and s parameters on the mean AMB values obtained for g and s parameter estimation, the mean RMSEA and CCR values.Additionally, it was observed that, the mean values of AMB and RMSEA obtained from DINA analysis model were lower than the values obtained from DINO analysis model both for all the factors and for all factors levels. Key Words: Cognitive Diagnostic Models, DINA Model, DINO Model, parameter estimation, classification accuracy