Birey açıklayıcı madde tepki kuramı analizi: Örtük regresyon iki parametreli lojistik modeli

Bu çalışmada, açıklayıcı madde tepki kuramı modeli çerçevesinde (AMTK) örtük regresyon iki parametreli lojistik (2-PL) modelinin TIMSS 2007 Türkiye fen bilimleri verisinin bir bölümü üzerindeki uygulaması gösterilmektedir. Bunun için ilk olarak, 2-PL MTK ve örtük regresyon 2-PL modelleri ile madde parametreleri hesaplanmıştır. İkinci olarak, örtük regresyon 2-PL modelinde, cinsiyet, fene karşı olumlu tutum, fene verilen önem, fene yönelik özgüven ve ebeveynlerin eğitim düzeyleri bireysel özelliklerinin öğrenci başarıları üzerindeki etkileri analiz edilmiştir. Bu özelliklerden sadece fene yönelik özgüven ile ebeveynlerin eğitim düzeylerinin, öğrenci başarıları arasındaki farklılıkları açıklamada anlamlı istatistiksel etkilerinin olduğu gözlenmiştir. Uyum indekslerine bakıldığında, örtük regresyon 2-PL modelinin veriye 2-PL MTK modelinden daha iyi uyum gösterdiği bulunmuştur.

Person explanatory item response theory analysis: Latent regression two parameter logistic model

In this paper, an application of latent regression two-parameter logistic (2-PL) model as an explanatory item response model (EIRM) was illustrated using a part of TIMSS 2007 Science data for Turkey. For this purpose, initially, item parameters were calculated via 2-PL IRT and latent regression 2-PL models. Then, in the latent regression 2-PL model, the effects of gender, positive affect toward science, valuing science, self-confidence in learning science, and education level of parents as person properties on the student achievement were examined. It was seen that among those properties, only self confidence in learning science and education level of parents had a statistically significant effects on explaining the differences in students achievements. Based on fit indices, it was found that latent regression 2-PL model had a better model fit to data than 2-PL IRT model.

PDF

___

Akaike, M. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19, 716-723.
Aypay, A., Erdoğan, M., & Sözer, M. A. (2007). Variation among schools on classroom practices in science based on TIMSS-1999 in Turkey. Journal Of Research In Scıence Teachıng,44(10), 1417-1435.
Braeken, J., &. Tuerlinckx. F., (2009). Investigating latent constructs with item response models: A MATLAB IRTm toolbox. Behaviour Research Methods, 41, (4), 1127-1137.
Briggs, D. C. (2008). Using explanatory item response models to analyze group differences in science achievement. Applied Measurement in Education, 21, 89-118.
De Boeck, P., & Wilson, M. (2004). Explanatory item response models: A generalized linear and nonlinear approach. New York: Springer
Embretson, S. E., & Reise, S. P. (2000). Item response theory for psychologists. Mahwah, NJ: Erlbaum.
Lord, F. M. (1980). Applications of item response theory to practical testing problems. Hillsdale, NJ: Erlbaum.
McCulloch, C. E. and Searle, S. R. (2001). Generalized, linear, and mixed models. New York: Wiley.
Olson, J.F., Martin, M.O., & Mullis, I.V.S. (Eds.). (2008). TIMSS 2007 Technical Report. Chestnut Hill, MA: TIMSS & PIRLS International Study Center, Boston College.
Rabe-Hesketh, S., Skrondal, A., & Pickles, A. (20049. GLAMM manual. U. C. Berkeley Division of Biostatistics Working Paper Series. Working Paper 160.
SAS Institute Inc. (1999). SAS 8 Help and Documentation, Cary, NC: SAS Institute Inc.
Schwarz, G. (1978). Estimating a dimension of a model. Annals of Statistics, 6, 461- 464.
Skrondal, A. & Rabe-Hesketh, S. (2004). Generalized latent variable modeling: Multilevel, longitudinal and structural equation models. Boca Raton: Chapman & Hall/CRC.
Uzun,B. ve Öğretmen, T. (2010). Fen Başarısı ile İlgili Bazı Değişkenlerin TIMMS-R Türkiye Örnekleminde Cinsiyete Göre Ölçme Değişmezliğinin Değerlendirilmesi. Eğitim ve Bilim, 35, 26-35.