Her er en oversigt over nøglebegreber:
1. Latente træk: Dette er de underliggende konstruktioner, vi forsøger at måle, såsom:
* Evne: En elevs evner i et fag.
* Holdning: En persons holdning til et bestemt emne.
* Sværhedsgrad: Sværhedsgraden af et testemne.
2. Rasch-model: Denne model antager, at sandsynligheden for, at en person besvarer et emne med succes, bestemmes af forskellen mellem deres evne og emnets sværhedsgrad.
3. Rasch-enheder: Rasch-modellen skalerer disse latente træk i form af logits , som er log-odds af en person, der har besvaret et emne. En logit er en måleenhed på en log-odds-skala.
Nøglefunktioner ved Rasch-enheder:
* Lige intervaller: I modsætning til andre måleskalaer repræsenterer Rasch-enheder lige store intervaller. Det betyder, at en forskel på én Rasch-enhed mellem to personer betyder den samme forskel i evner, uanset hvor de er på skalaen.
* Intervalskala: Rasch-enheder skaber en intervalskala, hvilket betyder, at forhold og forskelle mellem score er meningsfulde.
* Invariant måling: Rasch-måling giver mulighed for sammenligninger på tværs af forskellige grupper eller emner, selv når prøverne eller emnerne ændres.
Analogi: Tænk på en lineal, der måler længden. Ligesom linealen har ens intervaller, måler Rasch-enheder den latente egenskab med lige store intervaller, hvilket giver os mulighed for at sammenligne individer eller genstande med større præcision og mening.
Opsummering:
Rasch-enheder er grundlæggende for Rasch-måling, og giver en standardiseret måde at kvantificere latente egenskaber som evner, attitude eller emnesværhedsgrad. Deres nøgletræk med lige intervaller og invariant måling gør dem effektive til at analysere og fortolke data inden for forskellige områder som uddannelse, psykologi og sundhedspleje.