Bilişsel tanı modellerinden dina ve fusion modellerinin madde parametreleri, olasılık dağılımları ve öğrenci örtük sınıf kestirimleri üzerinden karşılaştırılması

Abstract

Bu teze, 115K531 numaralı TÜBİTAK projesi olan `Uluslararası Geniş Ölçekli Sınavlarda Türkiye'nin Matematik Başarısını Arttırabilmek İçin Bir Model Önerisi: Bilişsel Tanıya Dayalı İzleme Modelinin Etkililiği.` isimli projenin araştırma problemleri kapsamında çalışılmıştır.Bilişsel Tanı Modelleri ile geliştirilmiş ve analiz edilmiş bir testte, toplam puan yerine testi alan her bireyin testte bulunan becerilerden hangilerine sahip olduğu ve hangilerine sahip olmadığı konusunda bir ölçme yapılır. Bu anlamda Bilişsel Tanı Modelleri ile geliştirilmiş testler sadece değerlendirme sürecine hizmet etmektense öğrenci ihtiyaçlarının belirlenmesinde de etkilidir. Bu alanda geliştirilen birçok model bulunmaktadır. Bu tezde, Bilişsel Tanı Modelleri içinde daha yaygın olan ve yazılım desteği bulunan modellerden DINA ve Fusion model kullanılmıştır. DINA model ikili yetenek modellerine benzeyen bir örtük sınıf analizidir. DINA model cevaplayıcının gözlenen yeteneğinin altında yatan örtük özelliği ortaya çıkartmayı amaçlamaktadır. Modelden s ve g parametreleri şeklinde iki adet madde parametresi elde edilir. DINA modelin diğer BTM'lerden en önemli farkı, bir madde için gerekli olan özelliklerden sadece birine bile sahip olmayan bireyi yokluk sınıfında görmesidir. Öğrenci hakkındaki kararlarda DINA kadar katı olmayan Fusion model, cevaplayıcıların bilişsel profili hakkında detaylı bir bilgi verme ve test ile maddelerin tanılama kapasitesi hakkındaki parametreler şeklinde iki şekilde bilgi sağlamaktadır. Fusion modelde yetenek parametreleri ile birlikte rik*, πi* ve ci şeklinde madde parametreleri elde edilir.Tezde, belirlenen iki Bilişsel Tanı Modelinin istatistiksel yapıları dışında, yaptıkları kestirimler üzerinden bir çalışma yürütülmüştür. Yapılan analizler sonucunda DINA ve Fusion model parametrelerinin değişmediğine (rs = -0,382; P > 0,05), her iki modelin sonsal kestirimlerinin farklılaşmadığına karar verilmiştir. Bir sonraki aşamada ise model uyumu ve madde parametrelerinin benzer olmasına rağmen öğrenci örtük sınıfları kestirimlerinin değiştiği ve öğrencilerin sadece %54,94'ünün her iki model ile aynı sınıfa atandığı görülmüştür.

This thesis is in the scope of `A Recommended Model to Increase Success Level of Turkey in Mathematics in International Wide Scale Exams. Effectiveness of the Cognitive Diagnosis Based Tracking Model.` TUBITAK number 115K531 project's research problems.In a test, developed and analyzed with Cognitive Diagnostic Models, instead of the total score, an assessment is made to determine which skills are present and which don't. In this sense, tests developed with Cognitive Diagnostic Models are effective in determining the needs of the students rather than serving only the evaluation process.There are many models developed in this field. In this thesis, DINA and Fusion models, which are more common in Cognitive Diagnostic Models and which have software support, used.DINA model is an latent class analysis that resembles dual ability models. DINA model aims to reveal the latent attribute of the responder's that is under its observed ability. Two item parameters, s and g parameters, are obtained from the model. The most important difference of the DINA model from other CDMs is that it sees an individual in the null class who doesn't have only one of the attributes required for an item.The Fusion model, which is not as strict as the DINA in making decisions about the student, provides information in two ways: providing detailed information about the cognitive profile of the respondents and parameters about the test and diagnostic capacity of the items. In the Fusion model, item parameters are obtained in the form of rik*, πi* and ci as well as ability parameters.In the thesis, apart from the statistical structures of the two Cognitive Diagnostic Models chosen, a study was carried out based on their predictions. As a result of the analyzes, it was concluded that the DINA and Fusion model parameters (rs = -0,382; P > 0,05), and the posterior predictions of both models didn't differ. In the next stage, although the model fit and item parameters were similar, it was observed that the estimation of the latent classes changed through models and only 54.94% of the students were assigned to the same class with both models.