Kısmi Puan Modeli (PCM / GPCM)
Partial Credit Model · Ayrıca şöyle bilinir: Kısmi Kredi Modeli (PCM / GPCM), Generalized Partial Credit Model, GPCM, PCM
Kısmi Puan Modeli, ikiden fazla sıralı kategoriye düşen yanıtları olan maddeler için tasarlanmış Rasch ölçüm çerçevesinin bir uzantısıdır; örneğin, performans değerlendirmesindeki kısmi puan görevleri veya açık uçlu puanlama yönergeleri gibi. 1982'de Geoff Masters tarafından önerilen ve daha sonra 1992'de Eiji Muraki tarafından genelleştirilen model, her bir madde içindeki bitişik kategori geçişi için ayrı bir eşik (adım) parametresi tahmin eder, bu da her ek kredi seviyesinin kişinin gizli özellikte konumlandırılmasına ne kadar katkıda bulunduğunu hassas bir şekilde kalibre etmeye olanak tanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Maddeler, performans veya anlaşma düzeylerini niteliksel olarak ayıran üç veya daha fazla sıralı puan kategorisine sahip olduğunda Kısmi Puan Modelini kullanın - örneğin, yönerge ile puanlanan açık uçlu maddeler, kısmi puanlı matematik görevleri veya Rasch ailesi aralık düzeyinde ölçüm istendiğinde derecelendirme ölçeği maddeleri. Model, sıralı polotomik veriler gerektirir; doğal bir sırası olmayan nominal kategoriler için uygun değildir. Adım parametresi tahminlerinin kararlı olması için en az yaklaşık 150 katılımcı gereklidir; beşten az madde kalibrasyonu güvenilmez hale getirir. Adım sırasının bozulması maddeler arasında yaygınsa, bitişik kategorileri birleştirmeyi veya Dereceli Yanıt Modelini kullanmayı düşünün. GPCM, maddelerin kategori yanıt eğrilerinin özellikteki ölçek boyunca ne kadar dik yükseldiği konusunda belirgin şekilde farklılaştığı durumlarda tercih edilir.
Güçlü yönler & sınırlılıklar
- Dikotomik İTK'dan madde başına daha fazla ölçüm bilgisi çıkarır, her puan geçişini ayrı ayrı modelleyerek.
- Kişi ve madde tahminlerini aynı logit ölçeğinde üretir, her ek kredi seviyesini kazanmak için ne kadar yetenek gerektiğini doğrudan yorumlamayı sağlar.
- Wright haritası, kişi-madde hizalamasının sezgisel bir görsel özetini sunar, araçtaki boşlukları veya fazlalıkları ortaya çıkarır.
- GPCM uzantısı, polotomik İTK çerçevesinden vazgeçmeden farklı ayrım gücüne sahip maddeleri barındırır.
- Dikotomik Rasch modellerinden önemli ölçüde daha büyük bir örneklem gerektirir; en az 150 katılımcı önerilir ve GPCM tipik olarak daha fazlasını gerektirir.
- Adım sırası bozukluğu - daha yüksek bir kategorinin daha düşük bir kategoriden daha kolay olması - puanlama yönergesi sorunlarını işaret eder ve sonuçları raporlamadan önce ele alınmalıdır.
- Logit ölçeği, teknik olmayan kitleler için doğası gereği anlamlı değildir; sonuçları iletmek, özsel terimlere çevirmeyi gerektirir.
- Yazılım uygulaması ve yorumlama, uzman psikometrik eğitimin dışında yaygın olmayan İTK kavramlarına aşinalık gerektirir.
SSS
PCM ve GPCM arasındaki fark nedir?
Her iki model de her bitişik kategori geçişi için bir adım zorluğu tahmin eder. PCM (Rasch geleneğini izleyerek) tüm maddeleri aynı ayrım gücüne sahip olacak şekilde kısıtlar - yani, her maddenin kategori yanıt eğrisinin eğimi logit ölçeğinde 1 olarak sabitlenir. GPCM bu kısıtlamayı kaldırır ve madde başına benzersiz bir ayrım gücü parametresi tahmin eder. Amacınız belirli nesnellik ve örneklemden bağımsız madde parametreleri gibi Rasch ölçüm özelliklerini korumaksa, PCM kullanın. Maddeler, insanları ne kadar keskin ayırdıkları konusunda belirgin şekilde farklılık gösteriyorsa, GPCM, Rasch özelliğini kaybetme pahasına daha iyi uyar.
Adım sırası bozukluğu nedir ve nasıl ele almalıyım?
Adım sırası bozukluğu, daha yüksek bir puan kategorisinin (örneğin, 1'den 2'ye geçiş) tahmini zorluğunun, daha düşük bir kategorinin (0'dan 1'e geçiş) zorluğundan daha düşük olduğunda ortaya çıkar. Bu, katılımcıların ara kategoriyi atladığı - neredeyse hiç kullanmadığı - anlamına gelir, bu da bir puanlama yönergesi sorunu olduğunu gösterir. Standart çözüm, bozuk bitişik kategorileri tek bir kategoriye birleştirmek ve analizi yeniden çalıştırmaktır.
Wright haritasını nasıl yorumlarım?
Bir Wright haritası (kişi-madde haritası), tahmin edilen kişi yetenek dağılımını dikey bir logit ölçeğinin bir tarafına ve tahmin edilen adım zorluklarını diğer tarafına çizer. Az sayıda kişinin düştüğü bir bölgede bulunan adımlar kötü hedeflenmiştir; örneklem için az ölçüm bilgisi sağlarlar. Adım parametresi kapsamındaki boşluklar, aracın o özellikteki bölgelerde daha az hassas olduğu anlamına gelir. İdeal olarak, adım parametrelerinin yayılımı, kişi dağılımının büyük kısmını kapsamalıdır.
Ne zaman Dereceli Yanıt Modelini PCM veya GPCM yerine tercih etmeliyim?
Dereceli Yanıt Modeli (GRM), başka bir polotomik İTK modelidir, ancak PCM/GPCM'nin bitişik kategori formülasyonu yerine kümülatif (eşik) yanıt fonksiyonlarını kullanır. GRM, temel yanıt sürecinin ardışık eşikleri aşması olarak düşünülen Likert tipi derecelendirme ölçekleri için genellikle tercih edilir. PCM ve GPCM, belirli sayıda puan kazanmanın farklı çözüm adımlarını yansıttığı kısmi puanlı maddeler için daha doğaldır. Uygulamada, iki aile genellikle benzer kişi tahminleri üretir, ancak seçim kavramsal puanlama modeline göre yönlendirilmelidir.
Kaynaklar
- Masters, G. N. (1982). A Rasch model for partial credit scoring. Psychometrika, 47(2), 149–174. DOI: 10.1007/BF02296272 ↗
- Muraki, E. (1992). A generalized partial credit model: Application of an EM algorithm. Applied Psychological Measurement, 16(2), 159–176. DOI: 10.1177/014662169201600206 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Partial Credit Model. ScholarGate. https://scholargate.app/tr/psychometrics/partial-credit-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Ayırt Edici Madde İşlevselliği (DIF) AnaliziPsikometri↔ karşılaştır
- Keşfedici Faktör Analizi (KFA)İstatistik↔ karşılaştır
- Derecelendirilmiş Yanıt Modeli (GRM)Psikometri↔ karşılaştır
- Madde Yanıt Teorisi (MYT)Psikometri↔ karşılaştır
- Rasch ModeliPsikometri↔ karşılaştır