Углубленные методы в психометрике и основы вычислительной психометрики

Магистратура 2020/2021

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс по выбору (Измерения в психологии и образовании)

Направление: 37.04.01. Психология

Кто читает: Институт образования

Где читается: Институт образования

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Карданова Елена Юрьевна, Федерякин Денис Александрович

Прогр. обучения: Измерения в психологии и образовании

Язык: русский

Кредиты: 6

Контактные часы: 30

Полная версия программы учебной дисциплины

Аннотация

Целями освоения дисциплины «Углубленные методы в психометрике и основы вычислительной психометрики» является овладение студентами основными теоретическими принципами и практическими навыками продвинутого анализа данных структурированных измерений (тестов и опросников) с использованием современной психометрической методологии. Изучение дисциплины «Углубленные методы в психометрике и основы вычислительной психометрики» предполагает предварительное знакомство студентов с содержанием следующих учебных дисциплин: «Принципы измерений в образовании и психологии», «Методы исследований в психологии и образовании», «Базовые методы анализа данных и работа со статистическими пакетами», «Теория и практика разработки контрольно-измерительных материалов», «Психометрические теории и анализ тестовых за-даний». Ожидается, что одновременной освоение данной дисциплины с дисциплиной «Углубленные методы анализа данных в социальных науках: многоуровневый регрессионный анализ и структурное моделирование» позволит освоить обе дисциплины более легко, и укрепить знания и практические навыки студентов. Для освоения учебной дисциплины студенты должны владеть следующими знаниями и компетенциями: - знать базовые и продвинутые методы анализа данных; - знать основные понятия и принципы теории измерений в образовании и психологии; - знать основы современной теории тестирования.

Цель освоения дисциплины

Овладение студентами основными теоретическими принципами и практическими навыками продвинутого анализа данных структурированных измерений (тестов и опросников) с использованием современной психометрической методологии

Планируемые результаты обучения

В результате освоения темы студент должен знать продвинутые модели современной теории тестирования
В результате освоения темы студент должен уметь выбирать наиболее подходящие психометрические модели под поставленные задачи
В результате освоения темы студент должен уметь ориентироваться в потоке научной информации для поиска нужных математических моделей и методов анализа для решения психометрических проблем
В результате освоения темы студент должен владеть практическими навыками анализа результатов сложных измерений с применением программного обеспечения R
В результате освоения темы студент должен владеть практическими навыками использования нестандартных методов и моделей IRT для построения и анализа конкретных инструментов оценивания в социальных науках
В результате освоения темы студент должен уметь проводить анализ сложных измерений
В результате освоения темы студент должен уметь оценивать качество сложных измерений с точки зрения различных подходов к измерениям
В результате освоения темы студент должен знать основы компьютерного тестирования
В результате освоения темы студент должен знать IRT-модели, направленные на классификацию респондентов и заданий
В результате освоения темы студент должен знать способы моделирования изменений латентных конструктов во времени
В результате освоения темы студент должен знать современные психометрические парадигмы
В результате освоения темы студент должен владеть практическими навыками использования нестандартных методов для анализа конкретных инструментов оценивания в социальных науках
В результате освоения темы студент должен знать основы байесовской статистики и психометрики
В результате освоения темы студент должен владеть практическими навыками анализа результатов сложных измерений с применением программного обеспечения R и WinBUGS
В результате освоения темы студент должен обладать навыками разработки новых психометрических моделей, учитывающих контекст ситуации измерения

Содержание учебной дисциплины

IRT как частный случай GLMM (HGLM)
случайные эффекты и фиксированные эффекты. Формулирование IRT-моделей как частного случая GLMM: вложенные элементы и элементы фасетов, методы оценки параметров, дизайн-матрица, достаточная статистика в GLMM. Обобщения IRT-моделей на многомерные случаи через парадигму GLMM: between-item многомерность. Экспланаторные модели IRT: модель латентной регрессии и Latent Linear Test model (LLTM). Многоуровневые IRT модели. Модели с пересеченными случайными эффектами и Random Item модели IRT: LLTM+e. Экспланаторные 2PL модели. Использование пакетов lme4 и TAM среды R для расчета IRT-моделей.
Многомерные модели современной теории тестирования
Разные подходы к моделированию многомерности данных. Between & within-item многомерность. Within-item многмоерность: Компенсаторные и некомпенсаторные многомерные модели IRT. Моделирование бифакторных структур: тестлет-модели и модели-рование локальной зависимости заданий. Between-item многомерность. Модели с факторами второго порядка. Использование пакетов TAM, lavaan и lme4 среды R для расчета многомерных IRT-моделей.
Введение в адаптивное компьютерное тестирование
Введение в компьютерное тестирование (КТ). Модели КТ: Линейное тестирование, Случайный выбор заданий, LOFT, Многоступенчатое тестирование, Компьютерное адаптивное тестирование. КАТ: структура, механизмы, практические проблемы. Правила ядра КАТ: начало, следующий вопрос, начисление баллов, остановка. Симуляционные исследования. Использование симуляций для определения пара-метров КАТ: варьирование правил КАТ для выбора оптимальных правил. Дизайн симуляционного исследования. Анализ результатов симуляций. Пакет catR для проведения симуляций.
Категориальные и порядковые латентные переменные: модели латентной смеси распределений, когнитивные диагностические модели и анализ латентных классов
Альтернативный подход к латентным переменным: категориальные латентные переменные. Введение в анализ латентных классов и анализ латентных профилей. Структурированный анализ латентных классов в психометрических данных: введение в модели когнитивной диагностики. Совмещение интервальных и категориальных латентных переменных: Модели латентной смеси распределений. Использование пакетов psychomix и poLCA и CDM.
Вертикальное выравнивание. Измерение прогресса. Модели роста
Вертикальное вырывание. Связывание шкал. Принципы и проблемы выравнивания. Подходы к моделированию роста. Рост как количественное и качественное изменение. Модели количественного изменения: модели латентного роста из факторного анализа, модель Андерсена, симплексная модель (модель Embertson, модель Jöreskog), экспланаторные IRT-модели роста (линейная и полиномиальная). Модели качественного изменения: Latent Transition Analysis. Совместное моделирование количественного и качественного изменения: Latent Mixture Growth models. Saltus model. Использование различных пакетов R для решения задачи моделирования роста.
Сетевая психометрика
Основные концепты современной сетевой психометрики. Новые подходы к валидности и предсказанию наблюдаемого поведения. Модели графов. Модель Изинга и Раш-модель – их сходства и различия. Гауссовская графовая модель и факторный анализ. Экспланаторные сетевые модели. Пакетs psychonetrics и qgraph среды R для расчета и визуализации сетевых психометрических моделей.
Байесовский подход в психометрике
Байесовская вероятность и статистика. Байесовский поход в теории IRT. Моделирование сложных конструктов с помощью байесовских сетей. Оценивание параметров методами EM и МСМС. Критерии для оценки и сравнения моделей в байесовском подходе. Использование WinBUGS.

Элементы контроля

Презентация по одной из тем
Участие в дискуссии по презентации
Экзамен

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.4 * Презентация по одной из тем + 0.2 * Участие в дискуссии по презентации + 0.4 * Экзамен

Программа дисциплины