Madrid, España
El mecanismo de selección de items utilizado en la mayor parte de los Tests Adaptativos Informatizados (T Als) se basa en el máximo en la función de información de Fisher. Frente a esta regla de selección se han propuesto alternativas. En este estudio se compara el funcionamiento de la regla del máximo de información de Fisher frente al de la función de información de Fisher por intervalo, la función de información de Fisher ponderada por la función de verosimilitud, la función Kullback-Leibler por intervalo y la función Kullback-Leibler ponderada por la función de verosimilitud. Las reglas basadas en la función de verosimilitud proporcionan mejores valores de RMSE. Las ganancias de estas reglas alternativas se producen fundamentalmente en los primeros ítems aplicados y para los niveles de rasgo bajos (0< O).
The cornmonly used rule for the selection of items in Computerized Adaptive Test employs the máximum in the Fisher's information function. Others rules have been proposed. In this study, we compare the rule of the maximum in the Fisher information function with the Fisher information function by interval, the Fisher information function weighted by the likelihood function, the Kullback-Leibler function by interval and the Kullback-Leibler information weighted by the Jikelihood function. Results show a better performance of the rules based in the likelihood function with RMSE as dependant measure. The improvements are achieved especially when few items have been preserited and, also, for lower trait levels (0 < O).
© 2001-2024 Fundación Dialnet · Todos los derechos reservados