CoboCards App FAQ & Wünsche Feedback
Sprache: Deutsch Sprache
Kostenlos registrieren  Login

Zu dieser Karteikarte gibt es einen kompletten Satz an Karteikarten. Kostenlos!

Alle Oberthemen / Differenzielle Psychologie / Alle Kapitel / VO Persönlichkeits- und differentielle Psychologie
78
Inwiefern unterstützt das Rasch-Modell das computerisierte Adaptive Testen (CAT)? Vor- und Nachteile von CAT?
Entwicklung von Aufgabenpools für das computerisierte
adaptive Testen (= fähigkeitsangepasstes Testen):

Es werden individuell unterschiedlich schwierige Aufgaben aus dem Itempool (während der Computertestung) vorgegeben, die dem Fähigkeitsniveau der jeweiligen Vp bestmöglich entsprechen.

Die Auswahl der Items erfolgt durch den Computer - Nach jeder Itembeantwortung wird der aktuelle Fähigkeitsparameter v der Vp geschätzt und danach das bestpassende Item (= informativste Item mit i ungefähr v) aus dem Poo vorgegeben.

Positive Konsequenzen des CAT:
  • Wenige "unnütze" Items im Test (zu leicht bzw. schwere werden vermieden)
  • Höhere Messgenauigkeit bei ev. weniger Items (kürzere Testdauer)
  • Auch in Extrembereichen kann präziser gemessen werden
  • Testabbruch kann auf diagnostische Anforderungen eingestellt werden (z.B. nur grobes Screening oder präzise Messung)
  • Testsicherheit und Testfairness erhöht, weil "Testknackermethoden" weitgehend unwirksam
  • (z.B. Auswendiglernen eines Antwortvektors nicht möglich, weil jede Testperson andere Items vorgelegt bekommt)
  • Abschauen bzw. Schummeln bei Gruppentestungen unterbunden
  • Die Bekanntgabe des Itemtyps der im Pool enthalten Aufgaben (nicht die Poolaufgabe selbst) zur Testvorbereitung ist möglich.
  • (Reduktion von Testangst)

Nachteile:
  • Massiv erhöhter Testkonstruktionsaufwand für den Testkonstrukteur bei der Entwicklung eines Rasch-homogenen Itempools
Tags: CAT, Rasch-Modell
Quelle: S49
Neuer Kommentar
Karteninfo:
Autor: ZoeSzapary
Oberthema: Differenzielle Psychologie
Thema: Alle Kapitel
Schule / Uni: Universität Wien
Ort: Wien
Veröffentlicht: 11.12.2019

Abbrechen
E-Mail

Passwort

Login    

Passwort vergessen?
Deutsch  English