Optimale Versuchspläne für Thurstone’sche IRT-Modelle

Die grundlegenden Ziele dieses Projekts bestehen darin, optimale Versuchspläne für Thurstone´sche IRT-Modelle mit metrischen, binären und ordinalen Antworten zu entwickeln und analytisch zu charakterisieren, die eine hinreichend gute Schätzung der Traitscores erlauben. Zudem sollen binäre Paarvergleiche, die aus Rangreihen mit mehr als zwei Alternativen abgeleitet wurden, berücksichtigt werden. Optimale Versuchspläne sind im vorliegenden Fall dadurch definiert, dass Kombinationen solcher Werte von Itemparametern, Faktorladungen und Interzepts, bestimmt werden, die a-priori festgelegte Gütekriterien, wie z.B. Korrelation der geschätzten und wahren Traitscores, optimieren. Damit diese Modelle für die Personalauswahl sinnvoll eingesetzt werden können, sind lediglich positive Faktorladungen zugelassen. Diese Notwendigkeit, die aus Resultaten von Simulationsstudien folgt, erfordert die analytische Entwicklung neuartiger optimaler Versuchspläne. Über die in bisherigen einschlägigen Arbeiten entwickelten optimalen Designs hinausgehend sind hier insbesondere drei Anforderungen zu berücksichtigen: (a) die spezifische Form der Nichtlinearität, (b) die Einschränkung des Versuchsbereichs und © die Einschränkung, dass die Alternativen jeweils auf unterschiedlichen Faktoren laden. Damit die aus dem geplanten Projekt gewonnenen analytischen Erkenntnisse in der Praxis benutzerfreundlich umgesetzt werden können, soll ein entsprechendes R-Programm mit einer Shiny-Umgebung entwickelt werden.

The main aim of the present project is the development of optimal designs for Thurstonian IRT modes in the case of metric, binary, or ordinal responses which provide a sufficiently good estimation of the trait scores. In addition, binary paired comparisons will be considered which are derived from ranking more than two alternatives. In the present situation, optimal designs are characterized by combinations of those values of item parameters, factor loadings and intercepts which optimize prior determined criteria, as correlation between estimated and true trait scores. In order to apply these models in the selection of personnel, only positive factor loadings are admitted. This condition is supported by simulation studies and requires the development of novel types of optimal designs. Beyond properties of optimal designs developed in the literature so far, three more requirements have to be particularly taken into account: (a) the specific form of the non-linearity, (b) the restriction of the design region, and © the constraint that alternatives have to load on mutually distinct factors, respectively. To implement the findings of the project in practical applications, a user-friendly program in R is to be developed using a shiny app.