Empirische Fundierung eignungsdiagnostischer Entscheidungen
- Die DIN 33430 fordert die Festlegung von Regeln, nach denen die berufsbezogene Eignung eines Kandidaten beurteilt wird. Aus anwendungsbegleitend erhobenen Daten lassen sich mittels statistischer Methoden implizite Entscheidungsregeln von Experten explizieren. Somit entstehen empirisch fundierte Modelle, die einer formativen Evaluation zugänglich sind. Linearstatistische Ansätze liefern schwierig verbal explizierbare Modelle. Konfigurale Modelle sind leichter explizierbar, jedoch weniger stabil und nutzen häufig nur eine Teilmenge der Prädiktoren. Als Synthese der erwünschten Eigenschaften beider Ansätze wird die Methode der simultane Optimierung multipler Cutoffs (SOMC) entwickelt. In drei Anwendungsfällen zeigt SOMC im Vergleich zu bewährten Ansätzen eine stabil geringe Quote falsch negativer Klassifikationen. Ansätze zur Optimierung von SOMC sowie Implikationen der Verwendung der Methode für den Aufbau einer lernfähigen Diagnostik werden diskutiert.
Author: | Christian MontelGND |
---|---|
URN: | urn:nbn:de:hbz:294-15013 |
Subtitle (German): | multiple Cutoffs als Basis einer lernfähigen Diagnostik |
Referee: | Heinrich WottawaGND, Lutz F. HornkeGND |
Document Type: | Doctoral Thesis |
Language: | German |
Date of Publication (online): | 2006/01/05 |
Date of first Publication: | 2006/01/05 |
Publishing Institution: | Ruhr-Universität Bochum, Universitätsbibliothek |
Granting Institution: | Ruhr-Universität Bochum, Fakultät für Psychologie |
Date of final exam: | 2005/12/21 |
Creating Corporation: | Fakultät für Psychologie |
GND-Keyword: | Eignungsdiagnostik; DIN 33430; Entscheidungsregel; Explikation; Formative Evaluation |
Institutes/Facilities: | Lehrstuhl für Methodenlehre und Diagnostik |
Dewey Decimal Classification: | Philosophie und Psychologie / Psychologie |
faculties: | Fakultät für Psychologie |
Licence (German): | Keine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht |