Messen von Fähigkeiten und Einstellungen mittels Item Response Theorie

Die Item Response Theorie stellt Methoden bereit, um mehrere dichotome Items in eine - gemäss Theorie - intervall skalierte Variable umzurechnen. Die Arbeit untersucht mit Hilfe von Computer-experimenten, wie gut man Fähigkeiten oder Einstellungen, die unterschiedliche Verteilungen aufweisen, mittels des klassischen Zwei-Parametermodells von Birnbaum zurückschätzen kann. Bei normal-verteilten Ausgangsdaten funktioniert das Modell recht gut, bei schiefsymmetrischen Daten eher schlecht. Die in der Literatur entwickelten Modelle, die bei nicht-normalverteilten Daten auf einer empirischen Start-Verteilungen für den Schätzprozess ruhen, schneiden nicht besonders gut ab. Zwar wird die Ordnung der Item-Parameter auch bei diesen Verteilungen gewahrt. Die Distanzen zwischen den Parametern werden aber nicht reproduziert. Dies stellt vor allem ein Problem bei der Schätzung von Einstellungs- oder Betroffenheitsstärken dar, die oft schiefsymmetrisch sind. Die verwendeten Schätzmethoden sind dokumentiert und in einem R-Paket implementiert. Der Quell-Code wird mitgeliefert.