Deterministische Eingaben, Rauschgemischte Modellierung zur Identifizierung koexistierender Verdichtungsregeln

In kognitiven Diagnosismodellen beschreibt die Verdichtungsregel die logische Beziehung zwischen den erforderlichen Attributen und der Itemantwort, was eine explizite Annahme über die kognitiven Prozesse widerspiegelt, mit denen die Befragten Probleme lösen. In der Praxis können mehrere Verdichtungsregeln gleichzeitig auf ein Item zutreffen, was darauf hindeutet, dass die Befragten mehrere kognitive Prozesse mit unterschiedlichen Gewichtungen nutzen sollten, um die korrekte Antwort zu identifizieren. Koexistierende Verdichtungsregeln spiegeln die Komplexität der kognitiven Prozesse wider, die beim Lösen von Problemen verwendet werden, und dass die kognitiven Prozesse, die die Befragten bei der Bestimmung der Itemantworten einsetzen, möglicherweise inkonsistent mit der von Experten entworfenen Verdichtungsregel sind. Diese Studie wurde durchgeführt, um den vorgeschlagenen deterministischen Input mit einem rauschgemischten (DINMix) Modell zu evaluieren, um koexistierende Verdichtungsregeln zu identifizieren und Feedback zur Überarbeitung der Items zu geben, um die Gültigkeit der Messung kognitiver Prozesse zu erhöhen. Zwei Simulationsstudien wurden durchgeführt, um die psychometrischen Eigenschaften des vorgeschlagenen Modells zu bewerten. Die Simulationsergebnisse zeigen, dass das DINMix-Modell adaptiv und genau koexistierende Verdichtungsregeln identifizieren kann, die entweder gleichzeitig in einem Item oder separat in mehreren Items existieren. Ein empirisches Beispiel wurde ebenfalls analysiert, um die Anwendbarkeit und Vorteile des vorgeschlagenen Modells zu veranschaulichen.