La théorie de la réponse à l`item multidimensionnelle (TRIM)
Transcription
La théorie de la réponse à l`item multidimensionnelle (TRIM)
Collectif pour le développement et les applications en mesure et évaluation Cdame La Théorie de la Réponse à l’Item multidimensionnelle (TRIm) Initiation aux concepts et aux paramètres Plan de la présentation • Qu’est-ce que la Théorie de la réponse aux items? (TRI) • Paramètres et concepts de la TRI • Acceptons la multidimensionnalité et étudions le modèle multidimensionnel de base • Questionnons la multidimensionnalité et explorons son utilisation Qu’est-ce que la TRI? • La TRI est un modèle mathématique probabiliste qui tente de décrire l’interaction entre une personne et des items • Le but est de quantifier les paramètres des items et, éventuellement, les traits latents des répondants pour ensuite estimer l’interaction entre une personne j et un item i 4 caractéristiques des modèles de TRI • Type de réponse à l’item (dichotomique, polychotomique, crédit partiel, graded response) • Nombre de paramètres utilisés pour décrire les items (normalement de 1 à 3) • Unidimensionnel ou Multidimensionnel • Fonction mathématique utilisée pour modéliser (logistique, courbe normale, polynomiale) 3 Conditions d’application de la TRI* • Monotonicité • Indépendance locale • 1 ou plusieurs dimensions selon le modèle de TRI utilisé (uni- ou multidimensionnel) Modèle dichotomique à 3 paramètres unidimensionnel 𝑃 𝑈𝑖𝑗 = 1 𝑗 , 𝑎𝑖 , 𝑏𝑖 , 𝑐𝑖 ) = 𝑐𝑖 + 1 − 𝑐𝑖 𝑒𝑎𝑖 𝜃 𝑗 −𝑏 𝑖 1 + 𝑒𝑎𝑖 𝜃 𝑗 −𝑏 𝑖 • : trait latent mesuré • b : difficulté de l’item. Si b = , probabilité de réponse = 0,5 • a : discrimination de l’item : pente maximale de la courbe de l’item = a / 4 * (1 – c) • c : « Pseudo-chance » : asymptote inférieure Courbes des caractéristiques d’items ayant un paramètre a de 0,5, 1 et 2 Kreiner, S. (2007). Validity and objectivity: Reflections on the role and nature of Rasch models. Nordic Psychology, 59(3), 268-298. © 2007 The authors & Nordic Psychology Échelle de mesure des paramètres • La valeur des différents paramètres est arbitraire et dépend de la méthode de calibration utilisée • Souvent, les paramètres sont standardisés et correspondent donc à un score z Les difficultés du modèle TRIm • Comment concevoir la difficulté et la discrimination d’un item s’il y a plusieurs dimensions qui sont mesurées? • Comment choisir le nombre de dimensions et à quoi correspondent-elles? Modèle multidimensionnel dichotomique à 3 paramètres 𝑃 𝑈𝑖𝑗 = 1 𝒋 , 𝒂𝒊 , 𝑑𝑖 , 𝑐𝑖 ) = 𝑐𝑖 + 1 − 𝑐𝑖 𝑒 𝒂𝒊 𝜽′𝒋 + 𝑑 𝑖 1+ 𝑒 𝒂𝒊 𝜽′𝒋 + 𝑑 𝑖 • et a: sont des vecteurs 1 * k où k = nombre de dimensions. Il y a donc plusieurs valeurs de et a, une pour chaque dimension • L’exposant n’a pas la même forme que dans le modèle unidimensionnel • Pourquoi ce changement et où est passé le paramètre b? b d : L’exposant • Dans le modèle unidimensionnel, l’exposant a la forme : ai (j - bi). Si nous multiplions la parenthèse par ai, nous obtenons : ai j - ai bi Remplaçons – ab par + d et nous avons la forme finale : a + d, qui a l’avantage d’être sous la forme « pente plus ordonnée à l’origine » • De plus, le scalaire d est très utile pour calculer certaines caractéristiques que nous verrons bientôt Modèle pleinement compensatoire ou partiellement compensatoire? Pleinement Partiellement • La contribution des est calculée au sein de l’exposant de e, ce qui fait qu’une infinité de combinaisons de offre la même probabilité de réponse • Un très élevé peut compenser totalement pour un faible • des probabilités de réponse de tous les , calculées séparément • Essentiellement, la probabilité finale est le produit de k équations unidimensionnelles • Compensation partielle, car un très élevé ne donne pas une probabilité de 1. Donc, le produit est nécessairement inférieur aux probabilités individuelles Représentation à l’aide d’un plan cartésien • Axe x = 1 • Axe y = 2 • 1 = angle • Le théorème de Pythagore nous permet de calculer la distance à partir de (0,0) 1 MDISC, MVDISC ou A : la discrimination • Les formules de la trigonométrie nous permettent aussi de calculer l’angle entre l’axe 1 ou 2 et l’hypoténuse du triangle rectangle • C’est le 1 du graphique précédent • Cet angle donne une information importante. Plus l’angle est proche de 0, plus l’item discrimine fortement 1 MDISC • Ces calculs permettent, à l’aide du cosinus, d’arriver à la valeur suivante : MDISC = • Cette valeur divisée par 4 indique la valeur maximale de la pente de la surface de réponse de l’item dans la direction de l’origine (0,0) du plan 1 et 2 MDIFF, MVINT ou B : la difficulté • La difficulté multidimensionnelle représente la distance entre l’origine du plan et le point qui correspond aux valeurs de requises pour avoir une probabilité de « bonne réponse » de 0,5 • Cette difficulté se calcule de la manière suivante : - d / MDISC • Comme le paramètre b de la TRIu, une valeur négative indique un item facile et une valeur positive un item difficile Représentation vectorielle de deux items 2 items : MDIFF = 1,15 et -0,77 et MDISC = 1,17 et 1,30 Hoijtink, H., Rooks, G., & Wilmink, F. W. (1999). Confirmatory factor analysis of items with a dichotomous response format using the multidimensional Rasch model. Psychological Methods, 4(3), 300-314. © 1999 American Psychological Association 6 items du TCALS, 1999 Item a1 a2 c d MDISC MDIFF 1 0,91 0,19 0,11 1,00 0,93 -1,09 2 0,75 0,19 0,12 0,69 0,77 -0,90 3 1,12 0,24 0,24 -0,31 1,15 0,27 4 2,18 0,01 0,06 -2,33 2,18 1,07 5 1,23 0,38 0,06 -1,43 1,29 1,11 6 0,55 0,24 0,12 0,91 0,60 -1,51 85 items, n = 1 709. QCM, 4 choix de réponses, réponses dichotomiques 6 items, test de mathématiques secondaire 3, Alberta, 1996 Item a1 a2 1 d MDISC MDIFF 1 2,01 0,63 18 0,45 2,11 -0,21 2 1,01 0,64 33 2,03 1,20 -1,70 3 0,55 0,30 29 -0,87 0,63 1,39 4 0,42 0,16 21 -0,32 0,45 0,71 5 0,44 1,15 71 0,07 1,23 -0,05 6 0,91 0,25 15 0,47 0,94 -0,50 35 items, n = 6 000. QCM, réponses dichotomiques 2 types de multidimensionnalité • Interitems : Les items ont un seul ak qui diffère de façon importante de 0 • Intra-items : Les items ont plus d’un ak qui diffère de façon importante de 0 Liens entre TRIm et Analyse factorielle • A. F. : Réduire les données en groupant les items en facteurs communs • TRIm : Quantifier les paramètres d’items et de personne afin de calculer l’interaction • Il y a cependant équivalence mathématique entre les saturations factorielles et les paramètres de la a et b de la TRI La question qui tue : k dimensions? • k=? • Items doivent être sensibles à plus d’une dimension et les sujets doivent différer quant à plus d’une dimension • • • • Jugement de spécialistes du contenu Analyse factorielle Analyse parallèle Utilisation d’un logiciel spécialisé comme Detect ou Dimtest • Analyse confirmatoire utilisant différents indices d’ajustement : AIC, BIC, ²… Exemple de comparaison de deux modèles par la différence de ² Modèle ² dl ² / dl Modèle 1 1 400,02 627 2,23 Modèle 2 846,74 438 1,93 Modèle 3 1 310,97 621 2,11 Comparaison Différence ² Différence dl p 0,05 ? Modèle 1 v. 2 553,28 189 Oui Modèle 2 v. 3 (-464,23) (-183) Non Hypothèse nulle = le nouveau modèle n’améliore pas l’ajustement Logiciels • TESTFACT : commercial • NOHARM : gratuit • ConQuest : commercial, modèles Rasch • R : bibliothèque « MIRT » : gratuit Références • Reckase, M. D. (2009). Multidimensional Item Response Theory. • « Multidimensional Item Response Theory Models » dans Wiley Encyclopedia of Statistical Sciences. • Ackerman, T. A. (1992). A Didactic Explanation of Item Bias, Item Impact and Item Validity from a Multidimensional Perspective. • Ackerman, T. A., Gierl, M. J. et Walker, C. M. (2003). Using Multidimensional Item Response Theory to Evaluate Educational and Psychological Tests.