دانلود کتاب Multivariate and mixture distribution Rasch models: extensions and applications

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدل‌های Rasch توزیع چند متغیره و مخلوط: پسوندها و کاربردها

این جلد، توسعه‌های مدل راش، یکی از مدل‌های تحقیقاتی و کاربردی در تحقیقات آموزشی و علوم اجتماعی را پوشش می‌دهد. این مجموعه شامل 22 فصل توسط برخی از شناخته شده ترین متخصصان بین المللی در این زمینه است. آنها موضوعاتی را در بر می گیرند که از توسعه مدل های عمومی گرفته تا کاربردها در زمینه های متنوعی مانند شناخت، شخصیت، روانشناسی سازمانی و ورزشی، و علوم بهداشتی و آموزشی می پردازند.

مدل راش برای داده های طبقه بندی شده طراحی شده است، که اغلب به عنوان پاسخ آزمودنی ها به وظایف متعدد مانند آیتم های شناختی از آزمون های روانشناختی یا از ارزیابی های آموزشی جمع آوری می شود. فرم ریاضی ظریف مدل Rasch برای برنامه های افزودنی مناسب است که به انعطاف پذیری بیشتری در رسیدگی به نمونه های پیچیده آزمون شوندگان و مجموعه وظایف از حوزه های مختلف اجازه می دهد. در این توسعه‌ها، مدل راش توسط عناصر ساختاری اضافی تقویت می‌شود که یا تفاوت‌های بین جمعیت‌های متنوع یا تفاوت‌های بین متغیرهای مشاهده‌شده را به حساب می‌آورند.

تحقیق در مورد گسترش ابزارهای آماری معروف مانند رگرسیون، توزیع مخلوط و مدل‌های خطی سلسله مراتبی منجر به اتخاذ ویژگی‌های مدل Rasch برای رسیدگی به متغیرهای مشاهده شده طبقه‌ای شده است. ما هر دو دیدگاه را در حجم حفظ می‌کنیم و نشان می‌دهیم که چگونه این مدل‌های ادغام‌شده – مدل‌های راش با یک آیتم یا ساختار جمعیتی پیچیده‌تر – از مدل راش یا از یک مدل ساختاری مشتق شده‌اند، چگونه تخمین زده می‌شوند و کجا به کار می‌روند.

Multivariate and mixture distribution Rasch models: extensions and applications

This volume covers extensions of the Rasch model, one of the most researched and applied models in educational research and social science. This collection contains 22 chapters by some of the most recognized international experts in the field. They cover topics ranging from general model extensions to applications in fields as diverse as cognition, personality, organizational and sports psychology, and health sciences and education.

The Rasch model is designed for categorical data, often collected as examinees’ responses to multiple tasks such as cognitive items from psychological tests or from educational assessments. The Rasch model’s elegant mathematical form is suitable for extensions that allow for greater flexibility in handling complex samples of examinees and collections of tasks from different domains. In these extensions, the Rasch model is enhanced by additional structural elements that either account for differences between diverse populations or for differences among observed variables.

Research on extending well-known statistical tools like regression, mixture distribution, and hierarchical linear models has led to the adoption of Rasch model features to handle categorical observed variables. We maintain both perspectives in the volume and show how these merged models—Rasch models with a more complex item or population structure—are derived either from the Rasch model or from a structural model, how they are estimated, and where they are applied.