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.

Metadaten
Author:	Christian Montel GND
URN:	urn:nbn:de:hbz:294-15013
Subtitle (German):	multiple Cutoffs als Basis einer lernfähigen Diagnostik
Referee:	Heinrich Wottawa GND, Lutz F. Hornke GND
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

RUB » Bibliotheksportal