Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÇalışmanınsonuçlarına göre, Klasik Test Kuramı'na dayalı bir çalışmadaaraştırmacıların, benzer koşullarda örneklem büyüklüğü 100 iken1000 tekrar ile, örneklem büyüklüğü 250 iken 500 tekrar ile,örneklem 500 iken 250 tekrar ile ve örneklem büyüklüğü 1000 ve3000 iken 100 tekrar ile veri üretmeleri önerilmektedir.
📌 3 Maddede Bu Makale
Özet
Son yıllarda yapay veri ile yapılan çalışmaların sayısı giderekartmaktadır. Yapay veriler birçok modelin, istatistiksel tekniğin,kuramın test edilmesinde dolayısıyla geliştirilmesinden önemli rolesahiptir. Simülasyon çalışmalarındaki tekrar sayısının gerçeğiyansıtan sonuçlar üretmedeki önemi tartışılmazdır. Monte Carlosimülasyon yöntemi kullanılarak bir araştırma tasarlandığında,tekrar sayısı araştırma sonuçlarının güvenilirliği ve geçerliliği içinçok önemlidir. Ancak, simülasyonda kaç tekrarın yeterli olduğukonusunda net bir bilgi yoktur. Bu çalışmada, Klasik Test Kuramıtemelinde Monte Carlo simülasyon yöntemindeki tekrar sayısınınmadde ve test parametresi tahminlerine etkisini belirlemek vegerekli tekrar sayısını belirlemek amaçlanmıştır. Bu amaçla, farklıkoşullar altında tekrar sayısının değiştirilmesiyle elde edilen verilertoplam varyans oranı, Cronbach Alfa katsayısı, madde maddeortalama ortalaması ve model veri uyumu parametreleriincelenmiştir. Bu çalışma bir Monte Carlo simülasyon çalışmasıdır.Araştırmada veri üretimi ve analizi için R programı (2011) “psych”paketi kullanılmıştır. Bu çalışmada, tek boyutlu bir yapıdaki maddesayısı 20'ye, cevap kategorisi 5’e sabitlenerek, örneklem büyüklüğü100, 250, 500, 1000 ve 3000 olarak değiştirilmiştir. Çalışmanınsonuçlarına göre, Klasik Test Kuramı'na dayalı bir çalışmadaaraştırmacıların, benzer koşullarda örneklem büyüklüğü 100 iken1000 tekrar ile, örneklem büyüklüğü 250 iken 500 tekrar ile,örneklem 500 iken 250 tekrar ile ve örneklem büyüklüğü 1000 ve3000 iken 100 tekrar ile veri üretmeleri önerilmektedir.
Abstract
The importance of the number of repetitions in the simulation studies to produce truthreflecting results is indisputable. When a research is designed using Monte Carlo simulation technique, the number of repetitions is very important for the reliability and validity of the research results. However, there is no clear information on how many repetitions are sufficient. In this study, it is aimed to determine the effect of number of repetitions in Monte Carlo simulation method on item and test parameter estimations in Classical Test Theory and to determine the number of repetitions required. For this purpose, the data obtained by changing the number of replication under different conditions total variance ratio Cronbach's Alpha coefficient average of item discrimination and model-data-fit parameters were examined. This study is a Monte Carlo simulation study. In the research, R program “psyc” package was used for data generation and analysis. In this study, the number of items in a one-dimensional structure is fixed to 20, the response category is 5, and the sample size is changed to 100, 250, 500, 1000 and 3000. According to results of the study, in a study based on CTT, it is suggested that researchers produce data with 1000 replications when sample size is 100, 500 replications when sample size is 250, 250 replications when sample size is 500 and 100 replications when sample size is 1000 and 3000.