Boosting-Techniken zur Modellierung itemmodifizierender Effekte: Eine Erweiterung klassischer Item-Response-Modelle

موریتز برگر در حال کار بر روی توسعه‌ای از مدل کلاسیک Rasch باینری است که با آن می‌توان تفاوت‌های بین افراد از زیر گروه‌های مختلف را هنگام پاسخ دادن به موارد آزمایشی در نظر گرفت. مدل باینری راش در روانسنجی هنگام ارزیابی تست های هوش استفاده می شود. فرض اصلی این مدل این است که سختی یک آیتم آزمایشی برای همه افراد با توانایی یکسان دقیقاً یکسان است که اغلب اینطور نیست. مدل توسعه یافته ارائه شده با استفاده از روش های تقویت تخمین زده می شود. بر اساس شبیه‌سازی‌ها و مثال‌های داده‌های واقعی، کیفیت مدل‌ها و فرآیند تخمین به‌طور کامل بررسی شده و محدودیت‌های روش‌ها نشان داده می‌شود.

Moritz Berger beschäftigt sich mit einer Erweiterung des klassischen binären Rasch-Modells, mit der es möglich ist, Unterschiede zwischen Personen aus unterschiedlichen Subgruppen bei der Beantwortung von Testitems zu berücksichtigen. Das binäre Rasch-Modell findet Anwendung in der Psychometrie bei der Auswertung von Intelligenztests. Grundannahme dieses Modells ist, dass die Schwierigkeit eines Testitems für alle Personen mit derselben Fähigkeit exakt gleich ist, was jedoch oftmals nicht der Fall ist. Das vorgestellte, erweiterte Modell wird mithilfe von Boosting-Verfahren geschätzt. Auf Basis von Simulationen und echten Datenbeispielen wird die Güte der Modelle und des Schätzverfahrens gründlich untersucht und Grenzen der Methoden aufgezeigt.