Aynı özelliği ölçen iki testin farklı yöntemlerle elde edilen sınıflama doğruluklarının karşılaştırılması

Abstract

Bu araştırmada geleneksel standart belirleme yöntemlerine alternatif olarak sunulan üç farklı istatistiksel yöntemin karşılaştırılması amaçlanmıştır. Bu doğrultuda 7. sınıf seviyesine uygun olarak araştırmacı tarafından geliştirilen matematik başarı testinin iki farklı formu veri toplama aracı olarak kullanılmıştır. Bu formlar aynı özelliği ölçen çoktan seçmeli ve kısa cevaplı maddelerden oluşmaktadır. Veriler 2020-2021 eğitim öğretim yılında Gaziantep'teki iki farklı devlet okulundaki 159'u kız ve 167'si erkek olmak üzere toplam 326 öğrenciden elde edilmiştir. Milli Eğitim Bakanlığı'nın geçme puanı olarak belirlediği 45 puanı ölçüt kabul edilmiş, uygulanan testlerden geçme/kalma durumları lojistik regresyon, kümeleme ve ROC analizi yöntemleriyle incelenerek her bir yönteme ve her bir forma ilişkin sınıflama doğrulukları elde edilmiştir. Araştırmanın bulgularında, yöntemlere göre bakıldığında ÇSF için de (%95.9), KCF için de (%93.2) en doğru sınıflama yüzdesi ROC analiziyle elde edilmiştir. Formlara göre bakıldığında ise her üç yöntem için de ayrı ayrı elde edilen sınıflama doğrulukları istatistiksel olarak manidar bir farklılık göstermemiştir. Anahtar Sözcükler: Standart Belirleme, Sınıflama Doğruluğu, Lojistik Regresyon Analizi, Kümeleme Analizi, ROC AnaliziIn this study, it was aimed to compare three different statistical methods presented as an alternative to traditional standard setting methods. Accordingly, two different forms of the mathematics achievement test developed by the researcher in accordance with the 7th grade level were used as data collection tools. These forms consist of multiple choice and short answer items that measure the same features. The data were obtained from a total of 326 students, 159 of which were girls and 167 boys, in two different state schools in Gaziantep in the 2020-2021 academic year. 45 points determined as the passing score by the Ministry of National Education were accepted as the criterion, and the classification accuracies for each method and each form were obtained by examining the pass / fail situations from applied tests with logistic regression, cluster and ROC analysis methods. In the findings of the study, when considering the methods, the most accurate classification percentage for MCF (95.9%) and for SAF (93.2%) was obtained by ROC analysis. Considering the forms, the classification accuracies obtained separately for each of the three methods did not show a statistically significant difference. Keywords: Standart Setting, Classification Accuracy, Logistic Regression Analysis, Cluster Analysis, ROC Analysis