Contribuições para Modelos de Diagnóstico Cognitivo (2021)
- Authors:
- Autor USP: OLIVEIRA, EDUARDO SCHNEIDER BUENO DE - ICMC/UFSCar
- Unidade: ICMC/UFSCar
- Sigla do Departamento: SME
- Subjects: TEORIA DE RESPOSTA AO ITEM; INFERÊNCIA BAYESIANA; DADOS CATEGORIZADOS; MÉTODOS DE DIAGNÓSTICOS; DISTRIBUIÇÕES (PROBABILIDADE)
- Keywords: Bayesian statistics; Bounded responses; Cognitive diagnosis models; Continuous responses; Dichotomous responses; Estatística Bayesiana; Latent variables; Modelos de diagnóstico cognitivo; Respostas contínuas; Respostas dicotômicas; Respostas limitadas; Variáveis latentes
- Agências de fomento:
- Language: Português
- Abstract: Modelos de Diagnóstico Cognitivo (MDCs) são modelos de variáveis latentes úteis para identificar o perfil de respondentes através de testes ou avaliações. Eles são usados principalmente em avaliações educacionais, mas também podem ser considerados para analisar outros tipos de variáveis latentes, incluindo traços de personalidade e outras áreas na psicometria, bem como qualquer tipo de dados que se enquadre em análises por meio de itens. Diferentemente dos modelos de Teoria de Resposta ao Item (TRI), nos quais a variável latente é contínua, em um MDC a variável latente é discreta, porém, as respostas podem ter os mais variados formatos. A proposta dessa pesquisa é contribuir para o estado da arte dos MDCs, preenchendo lacunas ainda existentes, com especial ênfase nos MDCs sob abordagem Bayesiana. Os capítulos dessa tese seguem uma sequência de construção de MDCs para diferentes tipos de variável resposta. Primeiramente, é mostrado um estudo colaborativo com o modelo DINA dicotômico, já presente na literatura, visando um melhor entendimento dos MDCs e mostrando a comparação de métodos de estimação já explorados com uma nova abordagem MCMC, por meio do algoritmo No-U-Turn Sampler (NUTS). São mostrados estudos de simulação e a metodologia é utilizada para uma aplicação na área de saúde mental. A seguir, considerando respostas contínuas, exploramos, sob abordagem Bayesiana, a extensão do modelo DINA para esse tipo de resposta (C-DINA), realizando um estudo de sensibilidade deprioris e avaliando o desempenho da metodologia por meio de estudos de simulação, bem como trazendo uma explicação mais detalhada da lógica da construção por trás de modelos dessa classe e mostrando uma aplicação relacionada à percepção de risco. Na sequência, propomos um MDC inédito, para respostas limitadas no intervalo unitário (B-DINA), explicitando os detalhes de sua formulação e estimação, sob abordagem Bayesiana, avaliando a recuperação de parâmetros da metodologia de estimação proposta por meio de estudo de simulação e também mostrando o potencial de seu uso em uma aplicação para dados sócio-demográficos. Por fim, propomos novas distribuições de probabilidade para variáveis aleatórias limitadas no intervalo unitário, com desenvolvimento de modelos de regressão quantílica com efeitos mistos, realização de estudos de simulação e uma aplicação para dados de pobreza extrema. Os diversos estudos de simulação e aplicações ao longo do texto mostram que as propostas trazem bons resultados e tem potencial de uso por pesquisadores de diversas áreas, com os códigos utilizados para a estimação dos parâmetros tornados disponíveis.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 23.02.2021
-
ABNT
OLIVEIRA, Eduardo Schneider Bueno de. Contribuições para Modelos de Diagnóstico Cognitivo. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-22042021-134729/. Acesso em: 02 out. 2024. -
APA
Oliveira, E. S. B. de. (2021). Contribuições para Modelos de Diagnóstico Cognitivo (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-22042021-134729/ -
NLM
Oliveira ESB de. Contribuições para Modelos de Diagnóstico Cognitivo [Internet]. 2021 ;[citado 2024 out. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-22042021-134729/ -
Vancouver
Oliveira ESB de. Contribuições para Modelos de Diagnóstico Cognitivo [Internet]. 2021 ;[citado 2024 out. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-22042021-134729/ - A classification model for continuous responses: identifying risk perception groups on health-related activities
- Bayesian quantile regression models for heavy tailed bounded variables using the No-U-Turn sampler
- New Gompertz based distributions to skewed bounded responses
- Estimating the DINA Model Parameters Using the No-U-Turn Sampler
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
