روش‏هاي سنجش تك بعدي بودن سوال‏ها در مدل‏هاي دو ارزشيIRT

Methods for assessing unidimensionality in dichotomous IRT models

مدل‏هاي رايج و پركاربرد IRT بر 3 مفروضه اصلي تك بعدي بودن، تكنوا بودن و استقلال موضعي يا استقلال شرطي استوار هستند. تكنوا بودن به اين معنا است كه احتمال پاسخ درست به سوال با بالا رفتن توانايي افزايش يابد؛ در استقلال موضعي فرض بر اين است كه پاسخ‏هاي سوال‏هاي مختلف يك آزمون، براي يك سطح خاص از توانايي (?)، مستقل از يكديگرند؛ و تك بُعدي بودن به اين معنا است كه تمام سوال‏هاي‏آزمون، تنها يك‏صفت يا ويژگي مكنون را اندازه مي‌گيرند. نقض مفروضه تك بعُدي بودن، مي‌تواند برآورد پارامترهاي سوال و توانايي را به‏طور جدي دچار تورش نمايد. علاوه بر اين، تك بعدي بودن سوال‏ها براي تفسير روشن و بدون ابهام نمره‌ها و انجام مقايسه‌هاي بين‏فردي و همچنين براي ساير فعاليت‏هاي‏روان‏سنجي مانند همتراز سازي مهم است. علـي رغم اهميت مفروضه ابعاد براي مدل‏هاي IRT، در خصوص تعريف تك بعدي بودن و روش‏هاي سنجش آن بين متخصصان روان‏سنجي، توافق وجود ندارد و تعاريفي‏كه ارايه مي‌شود نوعاً انتزاعي و غيرعملياتي هستند. با‏توجه به نقش و اهميت مفروضه استقلال‏موضعي در تعريف و شكل‏گيري روش‏هاي جديد سنجش ابعاد آزمون، در اين مقاله، ضمن مرور ادبيات مربوط به مفروضه ابعاد در مدل‏هاي دو ارزشي IRT و معرفي برخي از روش‏هاي سنجش تك بعدي بودن، دو روش NOHARM و DIMTEST در مورد يك مجموعه از داده‌هاي‏ تستي به‏كار رفت و هر دو روش نتيجه مشابهي به‏دست دادند. بر‏اساس مرور ادبيات موجود و نتايج حاصل از NOHARM و DIMTEST مي‏توان گفت زمان آن فرا رسيده است كه پژوهشگران از كاربرد شاخص‏هاي اكتشافي مانند «درصد واريانس تبيين شده توسط عامل اول» يا «نسبت ارزش ويژه عامل اول به عامل دوم» به‏عنوان شاخصي براي تك‏بعدي بودن اجتناب كنند و به استفاده از روش‏هاي جديد مانند NOHARM، TESTFACT، DIMTEST، DETECT، H&R و MSP رو بياورند.

Most commonly employed IRT models are based on three assumptions of monotonicity, unidimensionality and local/conditional independence. Monotonicity asserts that the higher the ability the higher the correct response probability. Local independence means that the response to any item is unrelated to any other item when trait level is controlled; and unidimensionality means that all items of test, measure only one trait or latent variable. Violating unidimensionality assumption may lead to a serious misestimation of items and persons parameters or standard errors. In addition, unidimensionality is necessary and important for clear interpreting of test scores and comparing persons, as well as for some psychometrics works such as test equating. Despite of importance of unidimensionality assumption in IRT models, there is no agreement among psychometricians concerning the definition and assessing of unidimensionality. Given the role and importance of local independence in defining and determining new methods for assessing test dimensionality, in this paper in addition doing a literature review on local independence and introducing several methods for assessing unidimensionality in dichotomous IRT models,we used NOHARM and DIMTEST methods to assess unidimensionality of a set of test data and both methods resulted in similar results. Given the present literature and results from NOHARM and DIMTEST, we maintain that researchers should now be starting to move from reporting heuristic indices such as "variance accounted for by the first factor" or "ration of first to second eigenvalue" and start implementing the new procedures that tackle these issues in a much more sophisticated manner such as, NOHARM, TESTFACT, DIMTEST, DETECT, H&R, and MSP.