Edited, memorised or added to reading queue

on 22-Jul-2022 (Fri)

Do you want BuboFlash to help you learning these things? Click here to log in or create user.

#recurrent-neural-networks #rnn
enables us to simulate future transactions at a very fine granular level and attribute them to the right customer (or any sub- group of the customer-base) and calendar time without prior domain knowledge. We explore the capabilities of this novel forecasting approach to customer base analysis in detail, and benchmark the proposed model against established probabilistic models with latent attrition, as well as a non-parametric approach based on Gaussian process priors, in very diverse non- contractual retail and charity scenarios. Our model raises the bar in predictive accuracy on both the individual customer and the cohort level, automatically capturing seasonal and other temporal patterns
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

pdf

cannot see any pdfs




#recurrent-neural-networks #rnn
The challenge for deep learning models of customer behavior remains their opaque nature and the lack of simple ways to interpret their behavior, which is especially true for the complex temporal dynamics of RNNs. Other frequently contended disadvantages are disappearing: Computational power is more affordable and efficient training methods are advancing at a fast pace, which also facilitates the adaptive fine-tuning of model parameters once ”new” transaction data accrues, and datasets of historical customer transaction records are more commonly available, larger, and more detailed with observed behaviour across diverse contexts and platforms. Furthermore, the skills required to build such models are becoming widespread, thanks to the mature open source programming tools and burgeoning research community. Deep neural networks continue to inspire creative new applications, engineering and theoretical advancements, and with more marketing practitioners interested, this trend will continue in the future
statusnot read reprioritisations
last reprioritisation on suggested re-reading day
started reading on finished reading on

pdf

cannot see any pdfs




Flashcard 7107210775820

Tags
#causality #statistics
Question
consistency encompasses the assumption that is sometimes referred to as “no multiple versions of [...].”
Answer
treatment

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

Parent (intermediate) annotation

Open it
consistency encompasses the assumption that is sometimes referred to as “no multiple versions of treatment.”

Original toplevel document (pdf)

cannot see any pdfs







Flashcard 7107445918988

Tags
#MUE #Ziele
Question
Ziel psychologischer Diagnostik nach Cronbach & Gleser
Answer

Theorien der Testkonstruktion und der Anwendung psychologischer Tests dienen der Entscheidungsfindung.

► Psychologische Diagnostik hat nicht die Genauigkeit von Vorhersagen, sondern die Optimierung von Entscheidungen zum Ziel.
► Die Unterscheidung Genauigkeit vs. Optimierung ist subtil, aber sinnvoll. In den meisten Anwendungsfällen hängt die Güte von Entscheidungen unmittelbar (aber eben nicht nur) von der Güte der Vorhersagen (≈ Validität eines Tests) ab.
► Das Design, die Auswahl und Interpretation eines Tests müssen die Entscheidungssituation berücksichtigen. Ein Test, der für eine Fragestellung „optimal“ ist, muss dies in einer anderen nicht sein.

Bsp: Forensisches Gutachten bei Tat (Nachsage statt Vorhersage), Kosten-Nutzen bei Personalentscheidungen


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107447753996

Tags
#MUE #Ziele
Question
Institutionelle Entscheidungen
Answer
  • Ein:e Entscheider:in trifft viele gleichartige Entscheidungen (z. B. Personalentscheidungen). Sie/er verwendet ein konstantes Wertsystem.
  • Es wird die Entscheidung getroffen, die den maximalen Nutzen für die Organisation verspricht.
  • Dabei spielt es keine Rolle, ob Individuen oder Gruppen von Individuen „Gegenstand“ der Entscheidung sind.
  • Der Nutzen einer Serie von Entscheidungen soll maximiert werden. (Beispiel: Familienrechtsentscheidungen)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107449589004

Tags
#MUE #Ziele
Question
Individuelle Entscheidungen
Answer
  • Die Wahl vor der Entscheidung wird kaum jemals wieder in gleicher Weise gegeben sein (z.B. Studienfachwahl; aber nicht Studien-/ Berufsberatung).
  • Entscheidungen werden entsprechend des individuellen Wertsystems getroffen.
  • Entscheidungen können im Extrem nur einmal im Leben zu treffen sein (Studienfachwahl). Selbst wenn Sie erneut zu treffen sind, hat die getroffene Entscheidung in der Regel Konsequenzen für die ähnlichen Entscheidungen (Partnerwahl vs. Brötchenkauf vs. Hotelwahl).

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107451424012

Tags
#MUE #Ziele
Question
Entscheidungsprinzip
Answer

=> Maximierung

Bei statistischen institutionellen Entscheidungen wird in der Regel ein maximaler, durchschnittlicher Gewinn (oder ein minimaler Verlust) über viele gleichartige Entscheidungen angestrebt.
ypisches Beispiel: Personalentscheidungen

Das Modell von Cronbach und Gleser bietet einen Rahmen, realistische diagnostische Prozesse zu analysieren und Entscheidungsprinzipien und Ziele offen zu legen.


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107452996876

Tags
#MUE #Ziele
Question
Begriffsdefinition: Klassifikation, Platzierung und Auswahl
Answer
  • Klassifikation: meist Zuordnung zu einer Gruppe, wie z. B. ICD, DSM
  • Platzierung: alle werden behandelt
  • Selektion: Ausschluss

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107456404748

Tags
#MUE #Ziele #has-images
Question
Begriffsdefinition: Klassifikation


Answer

= meist Zuordnung zu einer Gruppe, wie z. B. ICD, DSM

Personen aufgrund best. Merkmale bestimmten „Klassen“ zuordnen Voraussetzung: Definition der Klassen und der Kriterien, Entscheidungsregeln


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107459550476

Tags
#MUE #Ziele #has-images
Question
Begriffsdefinition: Platzierung


Answer

= alle werden behandelt

Klassifikation entlang nur einer Achse (=nur ein Klassifikationskriterium, zB Schulnote)


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107462434060

Tags
#MUE #Ziele #has-images
Question
Begriffsdefinition: Auswahl


Answer

= Ausschluss

Auswahl („Auslese“) anhand von Personen mittels Kriterien


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107465841932

Tags
#MUE #Ziele
Question
Taxonomie von Entscheidungssituationen
Answer

Durch Kombination 64 unterschiedliche Klassen:

  • Individuelle vs. Institutionelle Entscheidungen
  • Mit / ohne Begrenzung durch eine Quote
  • Einfache oder mehrfache „Treatments“
  • Selektion vs. Klassifikation/Platzierung
  • Univariate oder multivariate Information
  • Einstufiges oder mehrstufiges Vorgehen

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107469249804

Tags
#MUE #Ziele #has-images
Question
Elemente des diagnostischen Prozesses



statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107470560524

Tags
#MUE #Ziele
Question
Elemente des diagnostischen Prozesses: Strategien
Answer
  • Eine Strategie ist eine feste Regel, um zu einer Entscheidung zu gelangen. Sie muss für jede (Stufe der) Information oder Kombination von Informationen eine Entscheidung spezifizieren. (Beispiel: Zulassung von Studierenden)
  • Strategien lassen sich übersichtlich in Strategiematrizen zusammenfassen, aber auch in anderer Form explizieren.
  • Generell: WENN (Informationskategorie), DANN (Entscheidungskategorie)
  • Ziel: Optimale Entscheidungsregeln zu finden (Nutzenmaximierung).

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107472395532

Tags
#MUE #Ziele
Question
Elemente des diagnostischen Prozesses: Evaluation
Answer
  • Das Ergebnis eines Entscheidungsprozesses besteht in allen Konsequenzen einer Entscheidung, die für die entscheidende Person (besser seine Institution) von Bedeutung sind.
  • Da nur fehlerbehaftete Information vorliegt, hat die entscheidende Person lediglich eine Wahrscheinlichkeits- verteilung von Ergebnissen (Kriterienmaße, „outcomes“) zur Verfügung. Diese Wahrscheinlichkeitsverteilung gibt für jede Informationskategorie die über viele Entscheidungen erwarteten Ergebnisse an.
  • WENN (Entscheidungskategorie), DANN p (Ergebniskategorie)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107474230540

Tags
#MUE #Ziele
Question
Bewertung der Entscheidungsfindung
Answer

Bei der Bewertung der Entscheidungsfindung geht es darum, Fragen zu klären wie:

  • Führt die gewählte Prozedur zu Entscheidungen, die auf der Basis der gegebenen Information optimal sind?
  • Würde die Sammlung weiterer Informationen die Entscheidungen verbessern?
  • Wie groß ist der Unterschied bezüglich der Güte von Entscheidungen zwischen zwei alternativen Entscheidungsprozedure?
  • Jede Informationskategorie führt zu einer anderen Verteilung der erwarteten Ergebnisse für ein Treatment.
  • Um alternative Strategien vergleichen und evaluieren zu können, muss die Wünschbarkeit jedes Kriterienzustandes bewertet werden.
  • Jedem Kriterienzustand wird also ein Wert zugewiesen. Für viele weitere Überlegungen sollen diese Bewertungen auf einer Verhältnisskala vorgenommen werden.

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107477638412

Tags
#MUE #Ziele #has-images
Question
"Payoff“-Funktionen: Die Beziehung zwischen Nutzen, Fähigkeit und Treatment


Answer
Im Falle eines einzelnen Treatments und der Vorhersage aufgrund kontinuierlicher Testwerte können wir „payoff“-Funktionen erstellen, die angeben, mit welchem Nutzen wir für eine Person mit einem bestimmten Wert bei dem gewählten Treatment rechnen können

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107480259852

Tags
#Grundbegriffe #MUE
Question
Modelle der Probabilistischen Testtheorie
Answer

Zusammenfassende Bezeichnung für eine Klasse „ähnlicher“ Modelle

  • Rasch Modell (auch 1 PL; dichotome Antworten ja / nein, richtig / falsch)
  • Birnbaum-Modelle (dichotome Antworten)
  • Partial-Credit-Model (mehrkategorielle Antworten)
  • Linear Logistisches Test Modell (LLTM)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107482094860

Tags
#Grundbegriffe #MUE
Question
Grundbegriffe probabilistischer Testtheorie
Answer
  • Es wird grundsätzlich unterschieden zwischen den beobachteten Antworten und dahinter liegenden nicht beobachtbaren Fähigkeiten oder Disposition. Die beobachtbaren Antworten werden als abhängig von der latenten Disposition der Fähigkeit angesehen.
  • Dies muss sich in den beobachtbaren Korrelationen niederschlagen.
  • Nur wenn die Testitems Indikatoren für die latente Eigenschaft sind, kann diese als Ursache für die Korrelationen der Items angesehen werden.
  • Wann kann von einer solchen Itemhomogenität ausgegangen werden?

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107483929868

Tags
#Grundbegriffe #MUE
Question
Itemcharakteristische Funktionen
Answer
  • Deterministische Modelle gehen davon aus, dass das Antwortverhalten der Proband*innen durch die Item- und Personenparameter vollständig bestimmt ist.
  • Probabilistische Modelle hingegen nehmen eine stochastische Beziehung zwischen dem Antwortverhalten der/des Proband:in und den Personen- und Itemparametern an.
    • Unterschiedliche funktionalie Abhängigkeiten der Antwortwahrscheinlichkeit von dem latenten Trait Theta

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107485764876

Tags
#Grundbegriffe #MUE
Question
Itemhomogenität
Answer

Lokale stochastische Unabhängigkeit

  • Wenn alle Items Manifestationen ein- und derselben latenten Dimension (ξ) sein sollen, so werden ihre Korrelationen nur durch die Unterschiede in der latenten Dimension ξ hervorgerufen.
  • Diese Verursachung kann überprüft werden, indem man die latente Dimension auf einem bestimmten Wert (auf einer lokalen Stufe, z.B. ξv oder ξw) konstant hält. Sind die Items homogen, so muss sich nun die lokale stochastische Unabhängigkeit zeigen, welche darin besteht, dass die Korrelationen zwischen den Items auf diesen Stufen verschwinden.
  • Folglich kann bei Vorliegen der lokalen stochastischen Unabhängigkeit auf Itemhomogenität bezüglich ξ geschlossen werden

Die Logik dabei ist, daß wenn nur die latente Merkmalsausprägung die Korrelation zweier Items auf einer Stufe verschwinden läßt (vgl. lokale stochachstische Unabhängigkeit), dann muß dies unabhängig von der Stichprobe sein! Oder anders herum: Ursache der Korrelation der manifesten Variablen ist dann einzig und allein die latente Variable.


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107487599884

Tags
#Grundbegriffe #MUE
Question
Rasch-Modell Übersicht
Answer
  • Eines der wichtigsten probabilistischen Testmodelle
  • Etabliert erstmals ein eigentliches Messmodell (► Skalierbarkeit)
  • Kernannahme: Itemlösung hängt von Personenparameter ξ bzw. θ (Fähigkeit) und Itemparameter σ (Schwierigkeit) ab
  • θ und σ können in derselben Einheit (Logits) verrechnet werden
  • Beziehung zwischen θ und σ: probabilistisch (► logistische Funktion)

--> Das Rasch-Modell beschreibt die Wahrscheinlichkeit, dass Testperson v Item i löst in Abhängigkeit eines Personenparameters ξv – die (wahre) Fähigkeit von v – und eines Itemparameters σi - die (wahre) Schwierigkeit von i. Eine bestimmte Fähigkeit bedingt nicht deterministisch, ob es zu einer Lösung kommt oder nicht, sondern nur probabilistisch in der Hinsicht, dass die Lösungswahrscheinlichkeit für größere ξ, bei konstantem σ, ebenfalls größer wird.


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107489434892

Tags
#Grundbegriffe #MUE
Question
Rasch-Modell: Bedeutung für die Diagnostik
Answer
  • Wenn Items lokal stochastisch unabhängig voneinander sind, d.h. wenn die Wahrscheinlichkeit, ein Item zu lösen ausschließlich von Fähigkeit und Itemschwierigkeit abhängt, dann liefert allein die Anzahl der gelösten Items (unabhängig davon, welche Items, bzw. welche Itemteilmengen gelöst worden sind) eine „erschöpfende Statistik“ für die Fähigkeit einer Person. --> dann müssen die Aufgaben des Tests notwendigerweise diesem Modell folgen, um zu garantieren, dass dieser Testwert tatsächlich die gesamte relevante Information in Bezug auf die fragliche Fähigkeit der Tp ausschöpft
  • Ebenso liefern die Anzahl der Versuchspersonen (unabhängig davon welche Versuchspersonen das Item bearbeiten) eine erschöpfende Statistik für den Itemparameter. Weil sich das Rasch-Modell als stichprobenunabhängig herausstellt, kann ein Modelltest abgeleitet werden. Das Modell darf nie ungeprüft vorausgesetzt werden.
  • Der Vergleich je zweier Items, zum Beispiel i und j, bezüglich ihrer Schwierigkeiten, σi und σj, ist unabhängig davon, welche Personenstichprobe dafür verwendet wird („Spezifische Objektivität" der Vergleiche).
  • Diese Eigenheit des Modells zieht nun die Idee nach sich: Würde für einen bestimmten Test bzw. Datensatz das Rasch-Modell gelten, so müssten die Parameterschätzungen in verschiedenen Teilstichproben statistisch gleich sein; stellt sich jedoch empirisch heraus, dass wenigstens für ein Item diese Parameterschätzungen nicht gleich sind, dann folgt per Umkehrschluss logischerweise, dass das Rasch-Modell nicht gilt. Irgendeine seiner Annahmen ist dann verletzt.

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107491269900

Tags
#Grundbegriffe #MUE
Question
Vorteile und Nutzen von Rasch-Modellen (Aufzählung)
Answer
(1) Reliabilitätsdifferenzierung nach Fähigkeit
(2) Spezifische Objektivität
(3) Ökonomie
(4) Messwiederholung
(5) Adaptives Testen
(6) Verrechnung von θ und σ in gleichen Einheiten
(7) Erschöpfende Statistik der Personenparameter

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107493104908

Tags
#Grundbegriffe #MUE
Question
Vorteile und Nutzen von Rasch-Modellen: Reliabilitätsdifferenzierung
Answer

Überspitztes Gedankenexperiment

  • Gedächtnisleistungstest mit 5 Aufgaben für breite Stichprobe
  • In Stichprobe mit drin: Extremgruppen (z. B. Demente, Hochbegabte etc.)
  • Wunsch: Die 5 Aufgaben messen „gleich reliabel“ bei allen Personen

Verfahren validiert mit Rasch-Modellierung: Die Messgenauigkeit kann für jede Stufe der Fähigkeitsausprägung geschätzt werden. --> Nicht bei Klassischer Testtheorie möglich

Wichtig weil:

  • Keine Kontamination mit Messfehlern
  • Keine unerwünschten Verzerrungen
  • Fähigkeitskalibrierte Reliabilität

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107494939916

Tags
#Grundbegriffe #MUE
Question
Vorteile und Nutzen von Rasch-Modellen: Spezifische Objektivität
Answer
  • Personenrangfolgen (nach Fähigkeit) sind unabhängig von Items.
  • Itemrangfolgen (nach Schwierigkeit) sind unabhängig von Personen.

--> Stichprobenunabhängigkeit bei Personen und Items: Im Idealfall Invarianz der Ergebnisse gegenüber jeglicher Teilmengenbildung, da Personen und Items prinzipiell „austauschbar“ sind.


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107496774924

Tags
#Grundbegriffe #MUE
Question
Vorteile und Nutzen von Rasch-Modellen: Ökonomie
Answer

Implikation aus Teilmengeninvarianz (► spezifische Objektivität): Nicht alle Personen müssen alle Items durchführen
--> Rasch-Modell bei unvollständigen Daten möglich: Aussagen werden getroffen auch für Person-Aufgaben Paarungen, die nicht empirisch in den Daten vorliegen

Skala aus Rasch-homogenen Items:

  • Ökonomisch
  • Schneller

. . . weil nicht jede/r alles machen muss (was manchmal unmöglich oder unerwünscht ist)


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107498609932

Tags
#Grundbegriffe #MUE
Question
Vorteile und Nutzen von Rasch-Modellen: Messwiederholung
Answer

Implikation aus Teilmengeninvarianz (► spezifische Objektivität) und Ökonomie: Verschiedene Items können zum gleichen oder zu unterschiedlichen Messzeitpunkten benutzt werden (Messwiederholung)

Ziel: Veränderungsmessung

Wunsch: Nicht genau dieselben Items zu zwei oder mehr Messpunkten verwenden (vgl. Lern- und Übungseffekte)

Abhilfe: Rasch-homogene Items verwenden


statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107500444940

Question
[default - edit me]
Answer
Rasch-homogene Items ermöglichen adaptives Testen (► Adaptive Tests): ● Personenparameter werden nach jedem Item neu berechnet ● Items entsprechend dem Personenparameter selektiert (um maximale Information zu bringen) Leistungsangepasste Auswahl an Items, die maximal informativ sind Nicht jede Person erhält alle Items in der gleichen Reihenfolge (► Ökonomie) Nutzen: ● Personalauswahl ● Large-Scale Assessments (z. B. PISA-Studie)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107501493516

Tags
#Grundbegriffe #MUE
Question
Vorteile und Nutzen von Rasch-Modellen: Adaptives Testen
Answer

Rasch-homogene Items ermöglichen adaptives Testen (► Adaptive Tests):

  • Personenparameter werden nach jedem Item neu berechnet
  • Items entsprechend dem Personenparameter selektiert (um maximale Information zu bringen)
    • Leistungsangepasste Auswahl an Items, die maximal informativ sind
    • Nicht jede Person erhält alle Items in der gleichen Reihenfolge (► Ökonomie)

Nutzen:

  • Personalauswahl
  • Large-Scale Assessments (z. B. PISA-Studie)

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107503328524

Tags
#Grundbegriffe #MUE
Question
Anwendung Adaptives Testen
Answer
  • Um eine genaue Bestimmung der Personenparameter in allen Bereichen der latenten Merkmalsausprägungen vornehmen zu können, ist es gut und wünschenswert, über einen großen Itempool mit entsprechend breit gestreuten Schwierigkeits- parametern zu verfügen. Werden alle diese Items bei der/dem jeweiligen Proband*in zur Anwendung gebracht, dauert der Test sehr lange.
  • Da jedoch nur Items, deren Schwierigkeiten mit der Fähigkeit der/s Proband*in gut übereinstimmen, wesentlich zur Testgesamtinformation beitragen, wird deutlich, dass alle Items, welche für die Person allzu schwierig oder auch allzu leicht sind, fast keine Information liefern – weshalb sie bei der Testvorgabe einfach weggelassen werden könnten, ohne die Testgenauigkeit beträchtlich zu verringern.

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107505163532

Question
[default - edit me]
Answer
Messgenauigkeit (Reliabilität) kann bei allen Fähigkeitsausprägungen geschätzt werden. Beliebige Teilmengen an Items oder Personen können gezogen werden (► Teilmengeninvarianz, spezifische Objektivität). Man kann mit weniger Items (Aufgaben) in kürzere Zeit genauso informativ oder sogar messgenauer testen, selbst wenn nicht alle Personen alle Items (Aufgaben) bekommen (► Ökonomie). Übungseffekte bekommt man in den Griff; „echte“ Veränderungen in Fähigkeiten lassen sich leichter aufzeigen. Personenfähigkeiten und Itemschwierigkeiten können in der gleichen Einheit (► Logits) verrechnet werden.

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs







Flashcard 7107506212108

Tags
#Grundbegriffe #MUE
Question
Probleme die mit Rasch-Modellen gelöst werden
Answer
  • Heterogene Stichproben
  • Fehlende Werte
  • „Unsaubere“ Daten
  • Begrenzte Zeit zum Testen
  • Messwiederholungen
  • Interventionsstudien
  • Pbn lernen dazu
  • Personen vergleichen
  • Personalselektion
  • Itementwicklung

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

pdf

cannot see any pdfs