1,721,134 research outputs found
Il modello Many Facet Rasch Measurement per il benchmarking
No full textThe Many Facer Rasch Measurement model (Linacre, 1989) is a Rasch model which allows us to estimate parameters not only for person's "ability" in a item and the item "difficulty", but also for other aspects (facets) that are believed to be relevant to the research goals. Because of its peculia~ities,this model is especially indicated for benchmarking. It combines the properties of every Rasch model with the flexibility of use and the ease in considering different dimensions which share the same latent trait. In this article, the model features in relation to benchmarking are discussed, and benchmarking is ap-
plied to hospitals and departments as regards patients' satisfaction
La qualità percepita del servizio sanitario: una proposta per il benchmarking delle strutture ospedaliere
No full textAnalisi log-lineare di variabili psicosociali. Introduzione ai modelli fondamentali (Vol. I)
No full text
A latent class model approach for the assessment of interpersonal relations within a small set of persons
No full textRecovering a probabilistic knowledge structure by constraining its parameter space
Full text linkIn the Basic Local Independence Model (BLIM) of Doignon and Falmagne (Knowledge Spaces, Springer, Berlin, 1999), the probabilistic relationship between the latent knowledge states and the observ- able response patterns is established by the introduction of a pair of parameters for each of the problems: a lucky guess probability and a careless error probability. In estimating the parameters of the BLIM with an empirical data set, it is desirable that such probabilities remain reasonably small. A special case of the BLIM is proposed where the parameter space of such probabilities is constrained. A simulation study shows that the constrained BLIM is more effective than the unconstrained one, in recovering a probabilistic knowledge structure
Il modello Many-Facet Rasch Measurement nel trattamento dei dati di associazione automatica
No full textLo studio propone una modalità di trattamento dei risultati derivanti dalle procedure di associazione implicita. In particolare, nella ricerca è stata utilizzata una versione modificata del Go/No Go Association Task (GNAT) di Nosek e Banaji (2001), l’Implicit Association Test di Greenwald, McGhee e Schwartz (1998) ed una nuova tecnica, attualmente in fase di test, chiamata Sorting Paired Features (SPF). Tutte e tre le metodiche quantificano l’associazione implicita mediante una misura della differenza tra i blocchi (o trial) sperimentali in cui lo stimolo target è associato ad attributi positivi ed i blocchi (o trial) in cui il target è associato ad attributi negativi. Le modalità del trattamento dei dati nella valutazione di tale differenza, calcolata sui tempi di reazione o sul numero di errori commessi nel compito di associazione, sono tuttora ampiamente dibattute (cfr. Greenwald, Nosek & Banaji, 2003) se non controverse rispetto al significato da attribuire agli effetti rilevati (cfr. Mierke & Klauer, 2003), e soprattutto mancano di unitarietà rispetto al metodo adottato. Il modello di analisi utilizzato nel nostro studio è il Many-Facet Rasch Measurement (MFRM; Linacre, 1989), che appartiene alla famiglia dei modelli di Rasch (1960/1980). Tali modelli costituiscono un’innovativa modalità di trasformazione di osservazioni ordinali in misure lineari, lungo un continuum unidimensionale. Essi consentono di parametrizzare in modo indipendente soggetti, item e altri eventuali aspetti (facet, appunto) rilevanti ai fini della ricerca. E sono proprio l’indipendenza reciproca di tali parametri e la possibilità di considerarli tutti misure di uno stesso tratto latente (la facilità di riconoscimento di stimoli, nel nostro caso) gli elementi di maggiore interesse in questo contesto
- …
