Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
ROBUSTESSE DU MODELE DE RASCH UNIDIMENSIONNEL
Univ Europeenne - EAN : 9786131598043
Édition papier
EAN : 9786131598043
Paru le : 29 nov. 2013
41,90 €
39,72 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9786131598043
- Réf. éditeur : 6189273
- Editeur : Univ Europeenne
- Date Parution : 29 nov. 2013
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 168
- Format : 1.00 x 15.20 x 22.90 cm
- Poids : 256gr
- Interdit de retour : Retour interdit
- Résumé : Le modèle de Rasch est utilisé dans de nombreuses applications en sciences sociales et en médecine. Parmi les applications de ce modèle, on trouve l'étude de la qualité psychométrique des items d'un test, le calibrage des items pour les tests adaptatifs, la production des mesures d'habileté en sciences de l'éducation. L'une des hypothèses que doivent vérifier l'ensemble des items du test est l'unidimensionnalité, c'est-à dire que tous mis ensemble doivent mesurer que le trait en étude, et la réponse que donne un individu à chacun de ces items n'est fonction que du niveau de ce trait chez cet individu. En pratique, les tests ne sont pas strictement unidimensionnels car nos réponses sont aussi conditionnées par nos habitudes et notre milieu. L'on devrait recourir aux modèles multidimensionnels qui s'avèrent souvent complexes et difficiles à interpréter. Notre travail a consisté à explorer un ensemble de conditions dans lesquelles le modèle de Rasch unidimensionnel peut produire des mesures acceptables malgré la présence de plusieurs traits déterminants dans les données. Ce travail a pour cible les développeurs et utilisateurs des tests en sciences sociales et humaines.
