Data Reduction in Item Response Theory Models
Sigmae · 2024 · 13 (4) · 293-307
DOI: 10.29327/2520355.13.4-27 ↗Kurz gefasst
Fachartikel in der Zeitschrift Sigmae, 2024. Verfasst von Renan Barufaldi Bueno und 1 weiteren Autor:innen. Die Arbeit nennt 15 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Uma das principais classes de modelos estatísticos estabelecidos na literatura psicométrica é a Teoria da Resposta ao Item (TRI), que desempenha um papel crucial na construção de escalas de traços latentes e permite a criação de instrumentos de medida mais precisos e adaptados às caraterísticas dos inquiridos. O objetivo principal deste trabalho é analisar, através de estudos de simulação, as possíveis consequências da redução das categorias de resposta nas estimativas dos parâmetros dos modelos IRT, uma vez que este processo pode simplificar a fase de estimação e é utilizado em algumas investigações. Após a análise dos resultados obtidos, conclui-se que este mecanismo de redução proporciona uma otimização computacional satisfatória. No entanto, também resulta em perda de informação, pois a qualidade das estimativas dos parâmetros da TRI é afetada negativamente, interferindo diretamente nos resultados de estudos aplicados. Por fim, esta análise pretende contribuir significativamente para a literatura psicométrica, tornando-se capaz de promover novas pesquisas neste domínio estatístico, bem como fornecer uma base sólida para futuros desenvolvimentos metodológicos.
Zitieren
APA
Bueno, R. B., & Silva, M. A. D. (2024). Data Reduction in Item Response Theory Models. Sigmae, 13(4), 293-307. https://doi.org/10.29327/2520355.13.4-27
Vancouver
Bueno RB, Silva MAD. Data Reduction in Item Response Theory Models. Sigmae. 2024;13(4):293-307. doi:10.29327/2520355.13.4-27
BibTeX
@article{Bueno2024,
author = {Bueno, Renan Barufaldi and Silva, Marcelo Andrade da},
title = {Data Reduction in Item Response Theory Models},
journal = {Sigmae},
year = {2024},
volume = {13},
number = {4},
pages = {293--307},
doi = {10.29327/2520355.13.4-27}
}
EUVIMED