PAPER: Examining Validity Evidence for Multidimensional Forced Choice Measures using Four Scoring Approaches
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Today, forced choice testing is perhaps the most widely explored approach to dealing with faking and other forms of response distortion in applied settings. This is due largely to advances in test construction and scoring over the last 15 years which have made it possible to obtain normative information from forced choice tests via classical test theory (CTT) (White & Young, 1998) and item response theory (IRT) methods (Brown & Maydeu-Olivares, 2011; de la Torre, Ponsoda, Leenen, & Hontangas, 2011; Stark, Chernyshenko, & Drasgow, 2005). For personality testing, in particular, multidimensional forced choice (MFC) applications are rapidly expanding. Our presentation will describe four MFC modeling approaches and research comparing convergent and criterion validities for MFC and Likert-type Big Five personality measures administered in Korea. The MFC Big Five measure was scored four ways: (1) a partially ipsative approach based on CTT (White & Young, 1998); (2) an analogous partially ipsative approach using an IRT graded response model (3) the Thurstonian MFC IRT approach (Brown & Maydeu-Olivares, 2011); and (4) the GGUM-RANK MFC IRT scoring approach (Authors, 2015). We found that all IRT-based scoring methods showed expected patterns of correlation with Likert-type measures, thus supporting the viability of these recently developed approaches. However, the much simpler CTT scoring method was also quite effective and may be adequate for many organizational and educational applications. In our presentation, we will elaborate on these issues and provide suggestions for future research. References Authors (2015). Paper title. Brown, A., & Maydeu-Olivares, A. (2011). Item response modeling of forced-choice questionnaires. Educational and Psychological Measurement, 71 , 460–502. de la Torre, J., Ponsoda, V., Leenen, I., & Hontangas, P. (2012, April). Examining the viability of recent models for forced-choice data. Presented at the Meeting of the American Educational Research Association, Vancouver, British Columbia, Canada. Stark, S., Chernyshenko, O. S., & Drasgow, F. (2005). An IRT approach to constructing and scoring pairwise preference items involving stimuli on different dimensions: The multiunidimensional pairwise preference model. Applied Psychological Measurement, 29 , 184 –201. White, L. A., & Young, M. C. (1998, August). Development and validation of the Assessment of Individual Motivation (AIM). Paper presented at the annual meeting of the American Psychological Association, San Francisco, CA.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle