Derecelendirilmiş Yanıt Modeli (GRM)
Graded Response Model · Ayrıca şöyle bilinir: Samejima's GRM, Derecelendirilmiş Tepki Modeli (GRM), graded IRT model
Graded Response Model (GRM), Fumiko Samejima tarafından 1969'da Likert tipi ölçekler gibi sıralı polikotomik maddeler için geliştirilmiş bir madde tepki kuramı (MTK) modelidir. Her bir maddenin ayırt edici gücünü ve bitişik yanıt kategorileri arasındaki sınırları işaretleyen bir dizi eşik parametresini tahmin ederken, aynı zamanda kişileri sürekli bir gizil özellik ölçeğine yerleştirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+2 tane daha
Ne zaman kullanılır
GRM, en yaygın olarak tutum ölçümü, kişilik envanterleri veya klinik derecelendirme formlarında kullanılan Likert tipi ölçekler gibi sıralı yanıt kategorileri taşıyan maddeler için ve hedefin, örneklemler arasında değişmez madde parametreleri elde etmek (aynı özellik verildiğinde) ve farklı madde ayırt ediciliğini hesaba katan kişi puanları elde etmek olduğu durumlarda uygundur. Birkaç koşulun sağlanması gerekir: maddeler tek boyutlu bir ölçek oluşturmalıdır (GRM kalibrasyonundan önce EFA veya uyuma dayalı tek boyutluluk testi ile kontrol edilir), yerel bağımsızlık sağlanmalıdır, sıralı eşik varsayımı geçerli olmalıdır (monotonik olarak artan sınırlar) ve her yanıt kategorisinde gözlemler bulunmalıdır. Önerilen minimum örneklem büyüklüğü yaklaşık 200'dür, ancak birçok kategoriye ve düşük ayırt ediciliğe sahip maddeler daha fazlasını gerektirebilir.
Güçlü yönler & sınırlılıklar
- Polikotomik maddelerin sıralı yapısını, kategorileri birleştirmek veya sıralı verileri aralıklı olarak ele almak yerine doğrudan modeller.
- Maddelerin ayırt edici gücünü eşiklerle birlikte tahmin eder, bu da maddelerin her bir özellik düzeyinde kişileri ne kadar hassas bir şekilde ayırt ettikleri konusunda farklılık göstermelerine olanak tanır.
- Madde parametreleri örneklemden bağımsızdır ve kişi parametreleri madde parametrelerinden bağımsızdır (MTK varsayımları altında), bu da gruplar veya durumlar arasında puan karşılaştırmalarına olanak tanır.
- Her bir maddenin psikometrik davranışını görsel olarak şeffaf hale getiren kategori yanıt fonksiyonu çizimleri sağlar.
- Klasik test kuramından önemli ölçüde daha büyük örneklemler gerektirir — en az 200 katılımcı ve genellikle daha fazla kategoriye sahip maddeler için daha fazlası.
- Kesin tek boyutluluk ve yerel bağımsızlık varsayar; çok boyutlu yapılar daha karmaşık MTK modelleri gerektirir.
- Eşik sıralaması bir varsayımdır, garanti değil; sıra dışı eşikler, katılımcıların ayırt edemediği kategorileri gösterir, bu da kategori birleştirmeyi veya model revizyonunu gerektirir.
- Madde ve kişi parametrelerinin yorumlanması, MTK mantığına aşinalık gerektirir, bu da sonuçları uygulamalı kitleler için klasik güvenilirlik istatistiklerinden daha az anında erişilebilir hale getirir.
SSS
GRM, 2PL modelinden nasıl farklıdır?
2PL modeli ikili (doğru/yanlış veya evet/hayır) maddeler için tasarlanmıştır ve madde başına bir eşiğe sahiptir. GRM, her bir sınır için bir eşik tutarken, madde başına tek bir ayırt etme parametresini koruyarak, m sıralı kategoriye sahip maddelere genişletir. Her sınırın kendi lojistik eğrisi vardır; 2PL, m = 2 olduğunda özel durumdur.
GRM ile Kısmi Puan Modeli arasındaki fark nedir?
Her ikisi de sıralı polikotomik maddelerle ilgilenir, ancak yanıt sürecini farklı şekilde parametrelendirirler. GRM, her madde için ortak bir ayırt etme parametresiyle iki parametreli lojistik biçim kullanarak kümülatif olasılıkları — her kategoriye veya daha üstüne yanıt verme şansını — modeller. PCM (ve genelleştirilmiş hali GPCM), adım olasılıklarını — k kategorisini k−1 üzerine seçme şansını — modeller ve deneme rubrikleri veya performans değerlendirmeleri gibi sıralı puanlanan görevler için daha doğaldır.
Eşikler sıraya girmezse ne olur?
Sıra dışı eşikler, bazen eşik tersinmeleri veya düzensizlikleri olarak adlandırılır, iki bitişik kategorinin katılımcılar tarafından güvenilir bir şekilde ayırt edilmediği anlamına gelir. Standart çözüm, düzensiz kategorileri tek bir kategoriye birleştirmek ve kalibrasyonu yeniden çalıştırmaktır. Kalıcı düzensizlikler, yanıt formatının ölçülen yapı için çok fazla kategoriye sahip olabileceğini gösterebilir.
GRM kalibrasyonu için ne kadar büyük bir örneğe ihtiyacım var?
Genellikle yaklaşık 200 katılımcı pratik bir taban olarak belirtilir, ancak gereken örneklem büyüklüğü madde sayısı, yanıt kategorisi sayısı ve düşük madde ayırt edicilikleriyle artar. Beş veya daha fazla kategoriye ve orta düzeyde ayırt ediciliğe sahip maddeler, kararlı parametre kurtarma için 300 ila 500 katılımcı gerektirebilir. Simülasyon çalışmaları veya pilot kalibrasyonlar, belirli bir araç için gereksinimleri netleştirebilir.
Kaynaklar
- Samejima, F. (1969). Estimation of Latent Ability Using a Response Pattern of Graded Scores. Psychometrika Monograph Supplement, No. 17. link ↗
- Embretson, S. E. & Reise, S. P. (2000). Item Response Theory for Psychologists. Lawrence Erlbaum Associates. ISBN: 978-0805828191
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Graded Response Model. ScholarGate. https://scholargate.app/tr/psychometrics/graded-response-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- İki Parametreli Lojistik (2PL) Madde Tepki Kuramı ModeliPsikometri↔ karşılaştır
- Üç Parametreli Lojistik (3PL) ModelPsikometri↔ karşılaştır
- Doğrulayıcı Faktör Analizi (DFA)İstatistik↔ karşılaştır
- Keşfedici Faktör Analizi (KFA)İstatistik↔ karşılaştır
- Gizil Sınıf Analizi (LCA)İstatistik↔ karşılaştır
- Kısmi Puan Modeli (PCM / GPCM)Psikometri↔ karşılaştır
- Rasch ModeliPsikometri↔ karşılaştır