Test Eşitleme
Test Equating, Scaling, and Linking · Ayrıca şöyle bilinir: Test Eşitleme (Test Equating), score equating, equipercentile equating, IRT true-score equating, linear equating
Test eşitleme, bir test formunda elde edilen puanları başka bir formun puan ölçeğine dönüştürerek, farklı uygulamalardan veya versiyonlardan elde edilen puanların ortak bir metrik üzerinde karşılaştırılıp raporlanabilmesini sağlayan bir istatistiksel yöntem ailesidir. Modern temel inceleme Kolen ve Brennan (2004/2014) tarafından yapılmıştır; Holland ve Dorans (2006) eğitim ölçümü alanındaki yetkili bölüm uzunluğundaki genel bakışı sunmaktadır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Test eşitleme, iki veya daha fazla test formundan elde edilen puanların tek bir ölçekte karşılaştırılması veya raporlanması gerektiğinde uygundur — tipik olarak her yıl yeni formlar üreten büyük ölçekli standart test programlarında (ulusal sınavlar, lisans testleri, kabul testleri). Dört koşul gereklidir. Birincisi, her iki form da aynı yapıyı ölçmelidir; kavramsal olarak farklı testlerin puanlarını eşitlemeye bağlama veya eşleme denir ve daha zayıf karşılaştırılabilirlik garantileri verir. İkincisi, örneklem dağılım tahminleri için yeterince büyük olmalıdır — form başına en az yaklaşık 300 aday ve MTK tabanlı eşitleme için önemli ölçüde daha fazla. Üçüncüsü, veri toplama tasarımı eşitlemeyi desteklemelidir: tek grup ve rastgele gruplar tasarımları doğrudan dağılım karşılaştırmasına izin verir; NEAT (Çapa Testi ile Denk Olmayan Gruplar) tasarımı, en yaygın operasyonel tasarım, grup yetenek farklılıklarını kontrol etmek için her iki formda da bulunan ortak maddelerden oluşan bir çapa seti gerektirir. Dördüncüsü, MTK eşitlemesi için, her form önce uygun bir MTK modeli (Rasch, 2PL veya 3PL) ile kalibre edilmeli ve model uyumu yeterli olmalıdır.
Güçlü yönler & sınırlılıklar
- Farklı zamanlarda uygulanan test formları arasındaki puanların karşılaştırılması için sağlam, savunulabilir bir temel sağlar, adil puan raporlamayı ve performansın uzunlamasına takibini mümkün kılar.
- Eşyüzdelik dilim eşitleme, puan dağılımları hakkında parametrik varsayımda bulunmaz, bu da onu normallikten sapmalara karşı dayanıklı kılar.
- MTK gerçek-puan eşitleme, yeterli bir MTK modeli her iki forma da uyduğunda en teorik olarak sağlam yöntemdir, çünkü gözlemlenen ham puanlar yerine gizil yetenek ölçeği düzeyinde çalışır.
- Büyük örneklemler gerektirir — eşyüzdelik dilim eşitleme için form başına en az 300, MTK parametre tahminlerinin kararlılığı için ise önemli ölçüde daha fazla — bu da uygulanabilirliği küçük ölçekli değerlendirmelerle sınırlar.
- NEAT tasarımı, çapa maddelerinin her iki grupta da aynı şekilde işlev gördüğünü varsayar (çapa madde değişmezliği); madde bazında farklı işleyiş veya bağlam etkilerinden kaynaklanan ihlaller eşitlemeyi bozabilir.
- Yumuşatma olmadan test eşitleme, puan dağılımının kuyruklarında kararsızdır ve yumuşatma yönteminin seçimi öznel kararlar gerektirir.
SSS
Eşitleme ile bağlama arasındaki fark nedir?
Eşitleme, puan karşılaştırılabilirliğinin teknik olarak en güçlü biçimidir: yalnızca her iki form da aynı yapıyı aynı derecede ölçtüğünde, aynı içerik ve istatistiksel spesifikasyonlara göre oluşturulduğunda ve eşdeğer koşullar altında uygulandığında geçerlidir. Bağlama (veya eşleme), bu koşulları tam olarak karşılamayan testler arasındaki herhangi bir puan dönüşümünü kapsayan daha geniş bir terimdir — örneğin, iki farklı kabul testinin puanlarını ortak bir ölçeğe yerleştirmek. Eşitleme daha güçlü karşılaştırılabilirlik iddialarını destekler; bağlama daha zayıf, bağlama bağlı iddiaları destekler.
NEAT tasarımı nedir ve neden yaygın olarak kullanılmaktadır?
NEAT, Çapa Testi ile Denk Olmayan Gruplar anlamına gelir. Operasyonel testlerde, aynı adaylara iki tam form vermek veya adayları rastgele formlara atamak nadiren mümkündür. Bunun yerine, çapa (ortak) maddelerden oluşan bir set her iki forma da yerleştirilir ve farklı gruplara uygulanır. Çapa maddeleri, gerçek form zorluk farklılıklarını grup yetenek farklılıklarından ayırmak için gereken istatistiksel köprüyü sağlar. Çoğu büyük ölçekli test programı, NEAT tasarımını kullanır çünkü pratiktir ve uygulamalar arasındaki denk olmayan aday gruplarını barındırır.
MTK gerçek-puan eşitlemesi ne zaman eşyüzdelik dilim eşitlemesine tercih edilmelidir?
MTK gerçek-puan eşitlemesi, bir MTK modeli her iki forma da yeterince uyduğunda ve örneklem kararlı madde parametresi tahmini için yeterince büyük olduğunda (genellikle form başına 500 veya daha fazla) tercih edilir. Teorik olarak üstündür çünkü gizil yetenek ölçeği düzeyinde çalışır, bilgisayar uyarlanabilir bir bağlamda eksik verileri doğal olarak ele alır ve daha düzgün eşleme tabloları üretir. Eşyüzdelik dilim eşitleme, MTK model uyumunun sorgulanabilir olduğu durumlarda, örneklemin orta büyüklükte olduğu durumlarda veya paydaş iletişimi için daha basit ve daha şeffaf bir yönteme ihtiyaç duyulduğunda tercih edilir.
Test eşitleme ne kadar büyük bir örneklem gerektirir?
Yaygın bir operasyonel kılavuz, yumuşatma ile eşyüzdelik dilim eşitleme için form başına en az 300 adaydır. MTK tabanlı eşitleme genellikle 3PL modeli için form başına en az 500 aday ve Rasch veya 2PL modelleri için biraz daha az aday gerektirir. Bu eşiklerin altında, puan dağılımlarındaki veya madde parametresi tahminlerindeki örnekleme hatası, eşleme tablosunu yüksek riskli kararlar için güvenilmez hale getirir.
Kaynaklar
- Kolen, M.J. & Brennan, R.L. (2014). Test Equating, Scaling, and Linking: Methods and Practices (3rd ed.). Springer. ISBN: 978-1-4939-0316-6
- Holland, P.W. & Dorans, N.J. (2006). Linking and Equating. In R.L. Brennan (Ed.), Educational Measurement (4th ed., pp. 187–220). American Council on Education / Praeger. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Test Equating, Scaling, and Linking. ScholarGate. https://scholargate.app/tr/psychometrics/test-equating
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Doğrulayıcı faktör analizi (DFA)Psikometri↔ karşılaştır
- Genelleştirilebilirlik Kuramı (G-Kuramı)Psikometri↔ karşılaştır
- Madde Yanıt Teorisi (MYT)Psikometri↔ karşılaştır
- Rasch ModeliPsikometri↔ karşılaştır