Item Response Theorie
Lord, F. M. · 1980
Ook bekend als: IRT · Rasch · Rasch Measurement Theory · Latent Trait Theory
Item Response Theorie is een familie van wiskundige modellen die de relatie beschrijven tussen latente eigenschappen (vaardigheden, houdingen) en reacties op testitems, wat itemkalibratie zonder steekproefafhankelijkheid en persoonsmeting zonder testafhankelijkheid mogelijk maakt. In tegenstelling tot de Klassieke Testtheorie modelleert IRT itemkenmerken (moeilijkheid, discriminatie, giswaarschijnlijkheid) en persoonsvaardigheid op een gemeenschappelijke schaal, en biedt het schattingen van meetprecisie op elk vaardigheidsniveau. IRT vormt de basis van moderne computergestuurde adaptieve tests, grootschalige onderwijsassessments (PISA, GRE, GMAT) en klinische patiëntgerapporteerde uitkomstmaten.
Methodologisch (niet inhoudsgericht) raamwerk dat de kans op een respons modelleert als functie van het niveau van de latente eigenschap en itemparameters (moeilijkheid, discriminatie, giswaarschijnlijkheid). Ondersteunt adaptieve/CAT-afname in plaats van de inhoud van één specifiek instrument.
- Bron:
- Lord, F. M. (1980). Applications of Item Response Theory to Practical Testing Problems.
Bewijs in één oogopslag
- Empirische onderbouwing
- Sterk bewijs
- Replicatie
- Goed gerepliceerd
- Cross-cultureel
- Universeel
- Meta-analyses
- 10 geïndexeerd
Deze beoordelingen vatten de gepubliceerde literatuur over de theorie samen, niet de kwaliteit van een specifieke test die erop is gebaseerd. Het zijn redactionele oordelen op basis van de hieronder vermelde bronnen, en ze veranderen naarmate er meer bewijs beschikbaar komt.
Historische Context
De fundamenten van IRT werden onafhankelijk van elkaar gelegd door Georg Rasch in Denemarken (1960) en Frederic Lord en Allan Birnbaum in de Verenigde Staten (jaren zestig), waarbij Lord en Novicks 'Statistical Theories of Mental Test Scores' uit 1968 de wiskundige basis leverde. Lords 'Applications of Item Response Theory to Practical Testing Problems' uit 1980 consolideerde het veld door praktische toepassingen aan te tonen in testconstructie, equating en detectie van vertekening. De theorie won in de jaren tachtig en negentig breed aan populariteit door de toenemende rekenkracht, waardoor parameterschatting haalbaar werd voor grootschalige testprogramma's.
Constructen
Nog geen constructen gedocumenteerd.
Instrumenten
Nog geen instrumenten gebaseerd op deze theorie.
Tests gebaseerd op deze theorie
Nog geen tests gebaseerd op deze theorie.
Praktische Toepassingen
IRT vormt de basis van computergestuurd adaptief testen (CAT), gebruikt in toetsen met hoge inzet zoals de GRE, GMAT, het NCLEX-verpleegkundig examen en de CAT-ASVAB militaire testbatterij, waardoor kortere maar nauwkeurigere tests mogelijk zijn door items te selecteren die zijn afgestemd op het vaardigheidsniveau van elke kandidaat. In klinische settings ondersteunt IRT het PROMIS-initiatief (Patient-Reported Outcomes Measurement Information System), wat efficiënte meting van gezondheidsuitkomsten mogelijk maakt. IRT-methoden ondersteunen ook het gelijkstellen van testen tussen versies, detectie van differentiële itemfunctionering (DIF) voor eerlijkheidsanalyse, en de ontwikkeling van itembanken voor gestandaardiseerde testprogramma's wereldwijd.
Hoe Het Wordt Gemeten
IRT is zelf een meetmethodologie in plaats van een inhoudelijke psychologische theorie. Veelgebruikte modellen zijn het één-parameter (1PL/Rasch), twee-parameter (2PL) en drie-parameter (3PL) logistische model voor dichotome items, en het Graded Response Model en Partial Credit Model voor polytome items. Parameterschatting gebeurt met maximum-likelihood- of Bayesiaanse methoden.
Kritiek & Beperkingen
Een belangrijk kritiekpunt zijn de sterke parametrische aannames die IRT-modellen vereisen (zoals unidimensionaliteit en lokale onafhankelijkheid), die mogelijk niet opgaan voor complexe psychologische constructen, wat leidt tot slechte modelfit. De Rasch-modelgemeenschap en de bredere IRT-gemeenschap zijn het fundamenteel oneens over de vraag of het model moet worden afgestemd op de data (IRT-benadering) of dat de data moet voldoen aan de modelvereisten voor fundamentele meting (Rasch-benadering). IRT vereist relatief grote steekproefomvangen voor stabiele parameterschatting (doorgaans 200 tot meer dan 1000 kandidaten, afhankelijk van het model), wat de toepasbaarheid voor kleinschalige toetsen beperkt.
Belangrijke Publicaties
- Lord, F. M.. (1980). Applications of Item Response Theory to Practical Testing Problems.
- Lord, F. M. & Novick, M. R.. (1968). Statistical Theories of Mental Test Scores.
- Rasch, G.. (1960). Probabilistic Models for Some Intelligence and Attainment Tests.
- Hambleton, R. K., Swaminathan, H. & Rogers, H. J.. (1991). Fundamentals of Item Response Theory.
- Embretson, S. E. & Reise, S. P.. (2000). Item Response Theory for Psychologists. 10.4324/9781410605269