Analýza položek vícepoložkových měření
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F24%3A00601179" target="_blank" >RIV/67985807:_____/24:00601179 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.karlin.mff.cuni.cz/~antoch/robust24/abstrakty.pdf" target="_blank" >https://www.karlin.mff.cuni.cz/~antoch/robust24/abstrakty.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Analýza položek vícepoložkových měření
Popis výsledku v původním jazyce
ZÁKLADNÍ ÚDAJE: ROBUST 2024: Sborník abstraktů. Praha: Jednota českých matematiků a fyziků, 2024. s. 10-10. [ROBUST 2024: Letní škola JČ(S)MF /23./. 08.09.2024-13.09.2024, Bardějov]. ABSTRAKT: Měření v psychologii, pedagogice a v dalších sociálních vědách jsou často nepřesná a využívají proto většího množství položek či hodnotitelů. V příspěvku pojednáme o statistických metodách pro analýzu položek vícepoložkových měření. Pojednáme o modelech tzv. teorie odpovědi na položku (item response theory, IRT) a jejich vztahu s modely faktorové analýzy a modely zobecněné lineární a nelineární regrese se smíšenými efekty. Dále popíšeme postupný vývoj modelů IRT pomocí empirických charakteristických křivek a zobecněných lineárních a nelineárních modelů (GLNM) s důrazem na didaktickou hodnotu takového přístupu. Nakonec představíme některé nové přístupy k odhadu parametrů a jejich praktickou implementaci.
Název v anglickém jazyce
Analysis of multi-item measurement items
Popis výsledku anglicky
Measures in psychology, education and other social sciences are often imprecise and therefore use multiple items or raters. In this paper, we discuss statistical methods for analyzing items of multi-item measures. We will discuss models of item response theory (IRT) and their relationship with factor analysis models and generalized linear and nonlinear mixed-effects regression models. Next, we describe the gradual development of IRT models using empirical characteristic curves and generalized linear and nonlinear models (GLNMs), emphasizing the didactic value of such an approach. Finally, we introduce some new approaches to parameter estimation and their practical implementation.
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/EH22_008%2F0004583" target="_blank" >EH22_008/0004583: Excelentní výzkum v oblasti digitálních technologií a wellbeingu</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2024
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů