Bilişsel Tanı Modelleri (DINA / G-DINA)
Cognitive Diagnosis Models (DINA / G-DINA) · Ayrıca şöyle bilinir: Diagnostic Classification Model, Skills Assessment Model, Attribute Mastery Model, Bilişsel Tanı Modeli
Bilişsel Tanı Modelleri (BTM'ler), bireyleri belirli bilişsel özellikler veya becerilerdeki ustalıklarına göre sınıflandırmak için tasarlanmış bir gizil değişken modelleri ailesidir. Jimmy de la Torre tarafından 2011 yılında tanıtılan Genelleştirilmiş DINA (G-DINA) çerçevesi, DINA, DINO, ACDM ve LLM modelleri de dahil olmak üzere birçok spesifik BTM'yi özel durumlar olarak kapsayan birleştirici bir yapı sunar ve tek bir toplam puanın ötesinde ayrıntılı tanısal geri bildirim sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sıralama yerine ayrıntılı tanısal geri bildirimin amaçlandığı durumlarda BTM'leri kullanın — örneğin, biçimlendirici değerlendirmeler, öğrenme analitiği veya klinik beceri envanterleri. Temel varsayımlar şunları içerir: özellikler ikilidir (ustalaşmış ve ustalaşmamış), geçerli bir Q-matrisi alan uzmanları tarafından belirtilebilir ve örneklem büyüklüğü yeterlidir (genellikle K özellik başına N > 500). Sürekli bir yetenek ölçeğinin birincil hedef olduğu durumlarda BTM'ler uygun değildir; bu durumda 2PL veya Rasch modeli gibi IRT modelleri tercih edilir.
Güçlü yönler & sınırlılıklar
- Tek bir yetenek puanı yerine eyleme geçirilebilir, özellik düzeyinde tanısal profiller sağlar
- G-DINA çerçevesi birçok spesifik BTM'yi birleştirerek, tek bir çerçeve içinde model seçimi ve karşılaştırmasına olanak tanır
- Kriter referanslı ve ustalık tabanlı eğitim bağlamlarına iyi uyum sağlar
- Model uyumu madde düzeyinde değerlendirilebilir, bu da yinelemeli Q-matrisi iyileştirmesini kolaylaştırır
- Doğru belirtilmiş bir Q-matrisi gerektirir; yanlış belirtim yanlı sınıflandırmalara yol açar
- Gizil sınıf sayısı, özellik sayısı ile üstel olarak artar (2^K), bu da büyük örneklemler gerektirir
- İkili özellik varsayımı, sürekli veya kısmen gelişmiş becerileri aşırı basitleştirebilir
- Yazılım seçenekleri IRT'ye göre daha azdır ve büyük K değerleri için tahminler hesaplama açısından yoğun olabilir
SSS
DINA ve G-DINA arasındaki fark nedir?
DINA (Deterministic Input, Noisy And-gate), bir birleşim kuralı varsayar — bir katılımcının doğru yanıt verme olasılığının yüksek olması için gerekli tüm özelliklerde ustalaşması gerekir ve tek serbest parametreler kayma ve tahmindir. G-DINA, her bir gerekli özellik kombinasyonu için ana etkiler ve etkileşimlere izin vererek bunu esnetir ve DINA ile diğer spesifik modellere kısıtlı özel durumlar olarak indirgenen genel bir çerçeve haline gelir.
BTM'leri uygulamak için ne kadar büyük bir örnekleme ihtiyacım var?
Gerekli örneklem büyüklüğü, özellik sayısı K'ye ve spesifik BTM'ye bağlıdır. Simülasyon çalışmaları, K = 3–4 özellikli modeller ve G-DINA çerçevesi için minimum yaklaşık 500 katılımcı önermektedir. Daha fazla özelliğe veya daha seyrek Q-matrislerine sahip modeller, kararlı tahmin ve güvenilir sınıflandırma için birkaç bin gözlem gerektirebilir.
BTM'ler çok kategorili veya sürekli yanıt verilerine uygulanabilir mi?
Standart BTM'ler ikili (doğru/yanlış) madde yanıtları için tasarlanmıştır. Çok kategorili veriler için uzantılar mevcuttur (örn. sıralı yanıtlar için sıralı G-DINA modeli), ancak bunlar daha az yaygın olarak uygulanmaktadır. Sürekli yanıt verileri genellikle BTM çerçevesine uymaz ve bunun yerine faktör analitik veya IRT yaklaşımlarıyla analiz edilmelidir.
Kaynaklar
- de la Torre, J. (2011). The generalized DINA model framework. Psychometrika, 76(2), 179–199. DOI: 10.1007/s11336-011-9207-7 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Cognitive Diagnosis Models (DINA / G-DINA). ScholarGate. https://scholargate.app/tr/psychometrics/cognitive-diagnosis-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Gizli Sınıf Analizi (LCA)İstatistik↔ karşılaştır
- Rasch ModeliPsikometri↔ karşılaştır