jMetrik ist mächtiger als Sie vielleicht denken. Es ist für die operative Arbeit konzipiert, bei der Forscher mehrere Verfahren in einem einheitlichen Rahmen benötigen. Derzeit können Sie IRT-Parameter für die Modelle Rasch, Teilkredit und Ratingskala schätzen. Es ermöglicht auch die Verknüpfung von IRT-Maßstäben über Stocking-Lord, Haebara und andere Methoden. Da es eine integrierte Datenbank enthält, kann die Ausgabe der IRT-Schätzung für die Skalenverknüpfung verwendet werden, ohne dass Datendateien neu gestaltet werden müssen. Darüber hinaus können alle Ausgaben in der Datenbank gespeichert werden, um sie mit anderen Methoden in jMetrik oder mit externen Programmen wie R zu verwenden.
Sie können es auch mit Skripten anstelle der GUI ausführen. Mit dem folgenden Code werden beispielsweise (a) Daten in die Datenbank importiert, (b) Elemente mit einem Antwortschlüssel bewertet, (c) Rasch-Modellparameter geschätzt und (d) Daten als CSV-Datei exportiert. Sie können die endgültige Ausgabedatei als Eingabe für die weitere Analyse in R verwenden oder R verwenden, um eine direkte Verbindung zur jMetrik-Datenbank herzustellen und mit den Ergebnissen zu arbeiten.
#import data into database
import{
delimiter(comma);
header(included);
options(display);
description();
file(C:/exam1-raw-data.txt);
data(db = testdb1, table = EXAM1);
}
#conduct item scoring with the answer key
scoring{
data(db = mydb, table = exam1);
keys(4);
key1(options=(A,B,C,D), scores=(1,0,0,0), variables= (item1,item9,item12,item15,item19,item21,item22,item28,item29,item30,item34,item38,item42,item52,item55));
key2(options=(A,B,C,D), scores=(0,1,0,0), variables=(item4,item6,item16,item18,item24,item26,item32,item33,item35,item43,item44,item47,item50,item54));
key3(options=(A,B,C,D), scores=(0,0,1,0), variables=(item3,item5,item7,item11,item14,item20,item23,item25,item31,item40,item45,item48,item49,item53));
key4(options=(A,B,C,D), scores=(0,0,0,1), variables=(item2,item8,item10,item13,item17,item27,item36,item37,item39,item41,item46,item51,item56));
}
#Run a Rasch models analysis.
#Item parameters saved as database table named exam1_rasch_output
#Residuals saved as a databse table named exam1_rasch_resid
#Person estimates saved to original data table. Person estimate in variable called "theta"
rasch{
center(items);
missing(ignore);
person(rsave, pfit, psave);
item(isave);
adjust(0.3);
itemout(EXAM1_RASCH_OUTPUT);
residout(EXAM1_RASCH_RESID);
variables(item1, item2, item3, item4, item5, item6, item7, item8, item9, item10, item11, item12, item13, item14, item15, item16, item17, item18, item19, item20, item21, item22, item23, item24, item25, item26, item27, item28, item29, item30, item31, item32, item33, item34, item35, item36, item37, item38, item39, item40, item41, item42, item43, item44, item45, item46, item47, item48, item49, item50, item51, item52, item53, item54, item55, item56);
transform(scale = 1.0, precision = 4, intercept = 0.0);
gupdate(maxiter = 150, converge = 0.005);
data(db = testdb1, table = EXAM1);
}
#Export output table for use in another program like R
export{
delimiter(comma);
header(included);
options();
file(C:/EXAM1_RASCH_OUTPUT.txt);
data(db = testdb1, table = EXAM1_RASCH_OUTPUT);
}
Die Software befindet sich noch in einem frühen Entwicklungsstadium. Momentan füge ich explorative Faktorenanalyse und erweiterte Item-Response-Modelle hinzu. Im Gegensatz zu vielen anderen IRT-Programmen ist jMetrik Open Source. Alle Messverfahren verwenden die Psychometrics-Bibliothek, die derzeit auf GitHub unter https://github.com/meyerjp3/psychometrics verfügbar ist . Jeder, der Interesse hat, einen Beitrag zu leisten, ist willkommen.