Zentrale Idee CAT
Jeder bekommt nur optimale items
bei besserer Leistung —> schwierigere Items
Item selektion für Individuum CAT
anhand von Antworten aus vorherigen Items
Vorwissen über Individuum
Building Blocks CAT
6 Stück
Item Pool
Teststart
Person Parameter Estimation
Item Selektion
Constraint Management
Testende
Effizienz CAT
Höhere Präzision
Kürzere Testungen
Daumenregel: Man braucht nur ca. 50% der Items
Basis von CAT
Item Response Theory
3PL Modell
Warum ist CAT AI?
Definiert als Fähigkeit
externale Daten richtig zu interpretieren
von den Daten zu lernen
Das Erlernte nutzen um durch flexible Anpassung bestimmte Ziele zu verfolgen
CAT Zukunftsorientierung
Adaptivität und Individualisierung
Computational power in den 2000ern erreicht
wird für LSA genutzt
schnelle Netzwerke & Cloud computing bringt neue Möglichkeiten mit sich —> online Anpassung und auf Populationsebene
Item Pool Konventionelles Testen vs. CAT
Kalibrierung fällt bei CAT weg (enormer Aufwand durch große Stichproben und Viele Items
CAT: von Beginn viel kleinere Validierungsstichproben nötig, jährlich einige wenige neue Items
CCS
Continuous Calibration strategy
Weglassen von initialer Kalibrierungsstudie (wie in konventionellen Testungen=
von Beginn an kleiner item pool
kontinuierliche Verbesserung der geschätzten Parameter
Identifizieren problematischer Items
Item position effects
Carry over effects
Last changed39 minutes ago