Itemresponsietheorie

Itemresponsietheorie (IRT) is een statistisch kader voor het modelleren van de relatie tussen de latente eigenschap van een respondent en de kans op een bepaalde itemrespons. De latente eigenschap (of vaardigheid, attitude of andere construct) wordt als continuüm gezien en bepaalt de waarschijnlijkheid van verschillende antwoordcategorieën op een item.

De kern van IRT is de itemresponsfunctie, vaak uitgedrukt als een itemkarakteristiekecurve (ICC). Itemparameters beschrijven voor elk item: moeilijkheid (b), discriminatie (a) en soms gokkans (c). Verschillende modellen bestaan: het Rasch-model (1PL) met alleen b, het 2-parameter-logistisch model (2PL) met a en b, en het 3-parameter-logistisch model (3PL) met c als extra parameter. Ook multidimensionale IRT en continue respons-modellen bestaan.

Schattingsmethoden: theta (latente eigenschap) wordt geschat via maximum likelihood of Bayesian methoden; marginaal ML wordt veel toegepast in grote tests. IRT laat toe om item- en testinformatie te tonen en de standaardfout van beoordeelde vaardigheid te schatten. Computer-gebaseerde adaptieve testen (CAT) gebruiken IRT om adaptief items te selecteren op basis van de geaccepteerde vaardigheid.

Belangrijke assumpties zijn unidimensionaliteit, lokale onafhankelijkheid en monotoniciteit van de itemresponsfunctie. DIF (differentiële itemfunctionaliteit) beoordeelt of items anders presteren voor subgroepen. Modelfit en diagnostiek blijven cruciaal, net als zorg voor representatieve steekproeven en voldoende grootte.

Historisch gezien werd IRT ontwikkeld in de jaren 1950-60 met bijdragen van onder meer Birnbaum, Rasch en Lord. Toepassingen vind je in onderwijs, psychometrie en klinische evaluatie, waar IRT zowel testenbouw als scoringsystemen mogelijk maakt en vergelijkbaarheid tussen verschillende instruments.