Differential Item Functioning in Item Response Modellen - neue Schätzverfahren und Diagnoseinstrumente

• Antragsteller: Professor Dr. Gerhard Tutz
• Fachliche Zuordnung: Allgemeine, Kognitive und Mathematische Psychologie ; Statistik und Ökonometrie
• Förderung: Förderung von 2014 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 262767932

Item Response Modelle liefern das methodische Grundgerüst zur Leistungs- und Intelligenzmessung. Ihnen liegt die Vorstellung zugrunde, dass die Lösung eines Items/einer Aufgabe bestimmt wird durch die latente Fähigkeit der Person und der Schwierigkeit des Items. Item Response Modelle sind intrinsisch hochparametrische Modelle mit meist nur einer Beobachtung für das Aufeinandertreffen von Person und Item. Das Ziel des Projekts besteht darin, Regularisierungstechniken für die Schätzung von Item Response Modellen zu entwickeln, die es ermöglichen, Modellabweichung für spezifische Items zu modellieren und zu diagnostizieren. Das Potential regularisierter Schätzung soll insbesondere zur Diagnose des Differential Item Functioning in Item Response Modellen erschlossen werden. Differential Item Functioning (DIF) liegt dann vor, wenn sich für Individuen mit gleichen Fähigkeiten (Intelligenz) unterschiedliche Lösungswahrscheinlichkeiten ergeben auf Grund des unterschiedlichen sozialen oder kulturellen Hintergrunds der Individuen. Liegt DIF vor, ist die Leistungsmessung durch den Test verzerrt. Durch die notwendige Einbeziehung der Kovariablen, die DIF generieren können, wird die Parameterzahl so groß, dass alle herkömmlichen Schätzverfahren scheitern.Geplant ist die Entwicklung penalisierter Likelihood- und Boosting-Verfahren, die der Komplexität des Modellierungsproblems gerecht werden. Sie sollen in der Lage sein, sowohl die Items zu identifizieren, die von DIF betroffen sind, als auch die dafür relevanten Einflussgrößen zu finden und die Effektstärke anzugeben. Die Verfahren sollen auch auf Messinstrumente erweitert werden, die einen differenzierteren Response als gelöst/nicht gelöst zulassen.  Die konzipierten Methoden weisen weit über die bisher verfügbaren Methoden hinaus. Die Erschließung der in der Machine Learning Community und der modernen Statistik entwickelten Verfahren zur Schätzung von Item Response Modellen betritt weitgehend Neuland. Zu erwarten sind davon entscheidende Erweiterungen des diagnostischen Instrumentariums.

• DFG-Verfahren: Sachbeihilfen