Her er en oversikt over nøkkelbegreper:
1. Latente egenskaper: Dette er de underliggende konstruksjonene vi prøver å måle, for eksempel:
* Mulighet: En elevs evner i et fag.
* Holdning: En persons holdning til et bestemt tema.
* Vanskelighetsgrad: Vanskeligheten til et testelement.
2. Rasch-modell: Denne modellen antar at sannsynligheten for at en person lykkes med å svare på et element, bestemmes av forskjellen mellom deres evne og elementets vanskelighetsgrad.
3. Rasch-enheter: Rasch-modellen skalerer disse latente egenskapene i form av logitter , som er log-oddsene av en person som har svart på et element. En logit er en måleenhet på en log-oddsskala.
Nøkkelfunksjoner til Rasch-enheter:
* Like intervaller: I motsetning til andre måleskalaer, representerer Rasch-enheter like intervaller. Dette betyr at en forskjell på én Rasch-enhet mellom to personer betyr den samme forskjellen i evne uavhengig av hvor de er på skalaen.
* Intervallskala: Rasch-enheter lager en intervallskala, noe som betyr at forhold og forskjeller mellom poengsum er meningsfulle.
* Invariant måling: Rasch-måling gir mulighet for sammenligninger på tvers av forskjellige grupper eller elementer, selv når prøvene eller elementene endres.
Analogi: Tenk på en linjal som måler lengde. Akkurat som linjalen har like intervaller, måler Rasch-enheter den latente egenskapen med like intervaller, slik at vi kan sammenligne individer eller gjenstander med større presisjon og mening.
I sammendrag:
Rasch-enheter er grunnleggende for Rasch-måling, og gir en standardisert måte å kvantifisere latente egenskaper som evne, holdning eller vanskelighetsgrad. Deres nøkkeltrekk med like intervaller og invariant måling gjør dem kraftige for å analysere og tolke data på ulike felt som utdanning, psykologi og helsevesen.