तीव्र मॉडल: Difference between revisions

Latest revision as of 10:03, 4 August 2023

रैश आदर्श जिसका नाम जॉर्ज रैश के नाम पर रखा गया है। श्रेणीबद्ध डेटा का विश्लेषण करने के लिए साइकोमेट्रिक्स आदर्श है, जैसे कि अध्ययन के मूल्यांकन पर प्रश्नों के उत्तर या उत्तरदाता की क्षमताओं, दृष्टिकोण या व्यक्तित्वत्व लक्षण और इकाई समस्या के मध्य उद्योग-संवृत के कार्य के रूप में प्रश्नावली प्रतिक्रियाएं है।^[1]^[2] उदाहरण के रूप मे उनका उपयोग किसी विद्यार्थी की अध्ययन की क्षमता या किसी प्रश्नावली के उत्तरों से जुर्माना के प्रति किसी व्यक्तित्व के अभिवृत्ति की अत्यंतता का अनुमान लगाने के लिए किया जा सकता है। साइकोमेट्रिक्स और शैक्षिक अनुसंधान के अतिरिक्त रैश आदर्श और इसके विस्तार का उपयोग स्वास्थ्य, व्यवसाय ^[3] कृषि,^[4] और बाजार अनुसंधान ^[5]^[6] सहित अन्य क्षेत्रों में किया जाता है।

रैश आदर्श में अंतर्निहित गणितीय सिद्धांत इकाई प्रतिक्रिया सिद्धांत का विशेष स्थितियाँ है। चूंकि आदर्श मापदंडों की व्याख्या और इसके दार्शनिक निहितार्थों में महत्वपूर्ण अंतर हैं।^[7] वह रैश आदर्श के समर्थकों को इकाई प्रतिक्रिया प्रतिरूपण परंपरा से प्रथक करता है। इस विभाजन का केंद्रीय रूप सफल माप के लिए आवश्यकता के रूप में जॉर्ज रैश के अनुसार रैश मॉडल की परिभाषित गुण विशिष्ट निष्पक्षता की भूमिका से संबंधित है।^[8]

अवलोकन

माप के लिए रैश आदर्श

रैश आदर्श में, निर्दिष्ट प्रतिक्रिया (उदाहरण के रूप मे उचित /त्रुटिपूर्ण उत्तर) की संभावना को व्यक्तित्व और इकाई मापदंडों के कार्य के रूप में निर्मित किया जाता है। विशेष रूप से, मूल रैश आदर्श में, उचित प्रतिक्रिया की संभावना को व्यक्तित्व और इकाई मापदंड के मध्य अंतर के तार्किक कार्य के रूप में निर्मित किया जाता है। आदर्श का गणितीय रूप इस आलेख में पश्चात् में प्रदान किया गया है। अधिकांश संदर्भों में, आदर्श के मापदंड उत्तरदाताओं की दक्षता और निरंतर अव्यक्त चर पर स्थानों के रूप में मदों की समस्या को दर्शाते हैं। उदाहरण के रूप मे शैक्षिक परीक्षणों में, इकाई मापदंड मदों की समस्या का प्रतिनिधित्व करते हैं जबकि व्यक्तित्व मापदंड उन समाज की क्षमता या उपलब्धि स्तर का प्रतिनिधित्व करते हैं जिनका मूल्यांकन किया जाता है। किसी मद की समस्या के सापेक्ष किसी व्यक्तित्व की क्षमता जितनी अधिक होगी, उस मद पर उचित प्रतिक्रिया की संभावना उतनी ही अधिक होती है। जब किसी व्यक्तित्व का अव्यक्त गुण पर स्थान मद की समस्या के सामान्तर होता है, तब परिभाषा के अनुसार रैश आदर्श में उचित प्रतिक्रिया की संभावना 0.5 होती है।

रैश आदर्श अर्थ में एक आदर्श है जिसमें यह उस संरचना का प्रतिनिधित्व करता है जिसे डेटा से माप प्राप्त करने के लिए डेटा को प्रदर्शित करना चाहिए; अर्थात यह सफल माप के लिए मानदंड प्रदान करता है। डेटा से प्रथक रैश के समीकरण आदर्श को हम वास्तविक विश्व में प्राप्त करने की अपेक्षा करते हैं। उदाहरण के रूप मे शिक्षा का उद्देश्य बच्चों को जीवन में आने वाली समस्त प्रकार की प्रतिस्पर्धा के लिए निर्मित करना है, न कि मात्र उन प्रतिस्पर्धा के लिए जो पाठ्यपुस्तकों या परीक्षणों में प्रदर्शित होतित है । एक ही चीज़ को मापने वाले विभिन्न परीक्षणों में समान (अपरिवर्तनीय) होने के उपायों की आवश्यकता के माध्यम से रैश आदर्श इस परिकल्पना का परीक्षण करना संभव बनाते हैं कि पाठ्यक्रम और परीक्षण में उत्पन्न विशेष प्रतिस्पर्धा सुसंगत रूप से समस्त संभावित प्रतिस्पर्धा की अनंत निवासी का प्रतिनिधित्व करती हैं। इसलिए रैश आदर्श एक आदर्श या मानक के अर्थ में आदर्श है जो अनुमानी कल्पना प्रदान करता है जो उपयोगी संगठित सिद्धांत के रूप में कार्य करता है, तब भी जब वास्तव में इसे व्यवहार में सर्वदा देखा ही नहीं गया है।

रैश आदर्श को रेखांकित करने वाला परिप्रेक्ष्य या प्रतिमान सांख्यिकीय प्रतिरूपण को रेखांकित करने वाले परिप्रेक्ष्य से प्रथक है। आदर्श का उपयोग अधिकांशतः डेटा के समुच्चय का वर्णन करने के आशय से किया जाता है। मापदंड्स को इस आधार पर संशोधित और स्वीकार या अस्वीकार किया जाता है कि वह डेटा में कितने योग्य होते हैं। इसके विपरीत, जब रैश आदर्श को नियोजित किया जाता है, तब मुख्य उद्देश्य उस डेटा को प्राप्त करना होता है जो आदर्श में योग्य होता है।^[9]^[10]^[11] इस परिप्रेक्ष्य का तर्क यह है कि रैश आदर्श उन आवश्यकताओं का प्रतीक है जिन्हें माप प्राप्त करने के लिए पूर्ण किया जाना चाहिए, इस अर्थ में कि माप को सामान्यतः भौतिक विज्ञान में ज्ञात होता है।

इस तर्क को समझने के लिए उपयोगी सादृश्य मापदंड पर मापी गई मदों पर विचार करना है। मान लीजिए कि किसी मद A का भार स्थिति पर मद B के भार से अधिक अधिक मापा जाता है, तब इसके तत्काल पश्चात् मद B का भार मद A के भार से अधिक अधिक मापा जाता है। हमें अधिकार की आवश्यकता होती है माप यह है कि मदों के मध्य परिणामी मिलान अन्य कारकों के निरपेक्ष समान, या अपरिवर्तनीय होनी चाहिए। यह प्रमुख आवश्यकता रैश आदर्श की औपचारिक संरचना में सन्निहित है। फलस्वरूप रैश आदर्श को डेटा के अनुरूप परिवर्तित नहीं किया जाता है। इसके अतिरिक्त, मूल्यांकन के विधियाँ को परिवर्तित किया जाना चाहिए जिससे यह आवश्यकता संपूर्ण हो सके, उसी प्रकार जैसे भार मापने के मापदंडो को सुधारा जाना चाहिए यदि यह मदों के प्रथक -प्रथक माप पर मदों के मध्य प्रथक -प्रथक मिलान देता है।

आदर्श का उपयोग करके विश्लेषण किया गया डेटा सामान्यतः परीक्षणों पर पारंपरिक मदों की प्रतिक्रियाएं होती हैं, जैसे कि उचित/त्रुटिपूर्ण उत्तरों के मध्य शैक्षिक परीक्षण है। चूंकि आदर्श एक सामान्य है, और इसे उस स्थान पर भी क्रियान्वित किया जा सकता है जिस स्थान पर किसी मात्रात्मक विशेषता या विशेषता को मापने के आशय से प्रथक -प्रथक डेटा प्राप्त किया जाता है।

प्रवर्धन

चित्र 1: परीक्षण विशेषता वक्र परीक्षण पर कुल प्राप्तांक और व्यक्तित्व स्थान अनुमान के मध्य संबंध दर्शाता है

जब समस्त परीक्षकों को एक ही परीक्षा में समस्त इकाई का प्रयास करने का सुविधा प्राप्त होती है, तब परीक्षण पर कुल प्राप्तांक क्षमता के अद्वितीय अनुमान पर आधारित होता है और कुल जितना अधिक प्राप्तांक होगा, क्षमता का अनुमान उतना ही अधिक होता है। कुल अंकों का क्षमता अनुमानों के मध्य कोई रैखिक संबंध नहीं है। किन्तु संबंध अ-रैखिक है जैसा कि चित्र 1 में प्रदर्शित किया गया है। कुल प्राप्तांक ऊर्ध्वाधर अक्ष पर प्रदर्शित किया गया है, जबकि संबंधित व्यक्तित्व स्थान का अनुमान क्षैतिज अक्ष पर प्रदर्शित किया गया है। उस विशेष परीक्षण के लिए जिस पर चित्र 1 में प्रदर्शित किया गया परीक्षण विशेषता वक्र (टीसीसी) आधारित है, कुल प्राप्तांक की सीमा में साधारणतया 13 से 31 तक का संबंध साधारणतया रैखिक है। इस उदाहरण की तरह टीसीसी का आकार सामान्यतः किंचित तक सिग्मॉइड (अवग्रह) कार्य जैसा होता है। चूंकि कुल प्राप्तांक और व्यक्तित्व स्थान अनुमान के मध्य स्पष्ट संबंध परीक्षण में मदों के वितरण पर निर्भर करता है। टीसीसी सातत्य पर श्रेणियों में तीव्र है जिसमें अधिक इकाई हैं, जैसे कि आंकड़े 1 और 2 में 0 के दोनों ओर की सीमा में है।

रैश आदर्श को क्रियान्वित करने में नीचे वर्णित विधियों के आधार पर इकाई स्थानों को अधिकांशतः सर्व-प्रथम मापन किया जाता है। प्रवर्धन की प्रक्रिया के इस भाग को अधिकांशतः इकाई अंशांकन के रूप में जाना जाता है। शैक्षिक परीक्षणों में उचित प्रतिक्रियाओं का अनुपात जितना अल्प होगा, किसी इकाई की समस्या उतनी ही अधिक होगी और इसलिए इकाई का मापन स्थान उतना ही अधिक होता है। एक बार जब इकाई स्थानों को मापन किया जाता है, तब व्यक्तित्वगत स्थानों को मापन पर मापा जाता है। परिणामस्वरूप, व्यक्तित्व और मद के स्थानों का अनुमान एक ही मापदंडो पर लगाया जाता है जैसा चित्र 2 में प्रदर्शित गया है।

मापदंडो के स्थानों की व्याख्या करना

चित्र 2: मापदंडो पर व्यक्तित्व वितरण (ऊपर) और मद वितरण (नीचे) के आयतचित्र दिखाने वाला रेखा चित्र

परिभाषा के अनुसार सही/त्रुटिपूर्ण उत्तर जैसे द्विभाजित डेटा के लिए पैमाने पर किसी आइटम का स्थान उस व्यक्ति के स्थान के समरूप होता है जिस पर प्रश्न के उचित उत्तर की 0.5 संभावना है। सामान्यतः किसी व्यक्तित्व के माध्यम से उस व्यक्तित्व के स्थान से अल्प समस्या वाले प्रश्न का उचित उत्तर देने की संभावना 0.5 से अधिक होती है, जबकि उस व्यक्तित्व के स्थान से अधिक समस्या वाले प्रश्न का उचित उत्तर देने की संभावना 0.5 से अल्प होती है। इकाई विशेषता वक्र (आईसीसी) या इकाई प्रतिक्रिया कार्य (आईआरएफ) व्यक्तित्व की क्षमता के कार्य के रूप में उचित प्रतिक्रिया की संभावना को दर्शाता है। इस लेख में चित्र 4 के संबंध में एकल आईसीसी को अधिक विस्तार से प्रदर्शित और प्रदर्शित किया गया है (इकाई प्रतिक्रिया सिद्धांत भी देखें)। चित्र 3 में अत्यंत बाईं ओर वाली आईसीसी अत्यंत सरल इकाई हैं, उसी आकृति में अत्यंत दाईं ओर वाली आईसीसी अत्यंत कठिन इकाई हैं।

जब किसी व्यक्तित्व की प्रतिक्रियाओं को इकाई की समस्या के अनुसार निम्नतम से उच्चतम तक क्रमबद्ध किया जाता है, तब अत्यंत संभावित स्वरूपगुटमैन मापन या सदिश होता है; अर्थात {1,1,...,1,0,0,0,...,0} है। चूंकि, यह स्वरूप रैश आदर्श की संरचना को देखते हुए अत्यंत अधिक संभावित है, आदर्श को मात्र संभाव्य गुटमैन प्रतिक्रिया स्वरूप की आवश्यकता होती है अर्थात्, ऐसे स्वरूप जो गुटमैन स्वरूप की ओर प्रवृत्त होते हैं। प्रतिक्रियाओं का स्वरूप के अनुरूप होना असामान्य है क्योंकि अनेक संभावित स्वरूप हैं। डेटा को रैश आदर्श में योग्य करने के लिए प्रतिक्रियाओं का स्वरूप के अनुरूप होना अनावश्यक है।

चित्र 3: अनेक मदों के लिए आईसीसी। ऊर्ध्वाधर रेखा पर क्षमता स्थान वाले व्यक्तित्व के लिए सफल प्रतिक्रिया की संभावना में परिवर्तन को प्रदर्शित करने के लिए आईसीसी को रंगीन किया जाता है। व्यक्तित्व के माध्यम से अत्यंत सरल मदों (बाईं ओर और निचले वक्रों के स्थानों के मध्य ) पर उचित रूप से प्रतिक्रिया देने की संभावना है एवं कठिन मदों (दाईं ओर और निचले वक्रों के स्थानों के मध्य ) पर उचित रूप से प्रतिक्रिया देने की संभावना नहीं है।

प्रत्येक क्षमता अनुमान में माप की संबद्ध मानक त्रुटि होती है, जो क्षमता अनुमान से जुड़ी अनिश्चितता की उपाधि निर्धारित करती है। इकाई अनुमानों में मानक त्रुटियाँ भी हैं। सामान्यतः, इकाई अनुमानों की मानक त्रुटियां व्यक्तित्व अनुमानों की मानक त्रुटियों से अधिक अल्पतर होती हैं क्योंकि सामान्यतः किसी व्यक्तित्व की मिलान में किसी इकाई के लिए अधिक प्रतिक्रिया डेटा होता है। अर्थात् किसी दिए गए इकाई का प्रयास करने वाले समाज की संख्या सामान्यतः किसी दिए गए व्यक्तित्व के माध्यम से प्रयास किए गए इकाई की संख्या से अधिक होती है। जिस स्थान पर आईसीसी का ढलान अधिक होता है, वहां व्यक्तित्व अनुमान की मानक त्रुटियां अल्पतर होती हैं, जो सामान्यतः परीक्षण में प्राप्तांक की मध्य सीमा के माध्यम से होती है। इस प्रकार इस सीमा में अधिक स्पष्ट है क्योंकि ढलान जितना अधिक होगा, रेखा पर किसी दो बिंदुओं के मध्य अंतर उतना ही अधिक होता है।

आदर्श के मध्य डेटा के पत्राचार का मूल्यांकन करने के लिए सांख्यिकीय और चित्रमय परीक्षणों का उपयोग किया जाता है। अल्प परीक्षण वैश्विक होते हैं, और अन्य विशिष्ट मदों या समाज पर विचार केंद्रित करते हैं। योग्य के अल्प परीक्षण इस विषय में सूचना प्रदान करते हैं कि किन मदों का उपयोग अनुपयुक्त मदों के मध्य समस्याओं को प्रथक या सही करके परीक्षण की विश्वसनीयता (सांख्यिकी) को वृद्धि के लिए किया जा सकता है। रैश मापन में विश्वसनीयता सूचकांकों के स्थान पर व्यक्तित्व पृथक्करण सूचकांक का उपयोग किया जाता है। चूंकि व्यक्तित्व पृथक्करण सूचकांक विश्वसनीयता सूचकांक के समान है। पृथक्करण सूचकांक माप त्रुटि सहित पृथक्करण के अनुपात के रूप में वास्तविक पृथक्करण का सारांश है। जैसा कि सर्व-प्रथम उल्लेख किया गया है, माप त्रुटि का स्तर परीक्षण की सीमा में समान नहीं है, किन्तु सामान्यतः अधिक अत्यंतता प्राप्तांक (अल्प और उच्च) के लिए महत्त्वपूर्ण होता है।

रैश आदर्श की विशेषताएं

आदर्श के वर्ग का नाम डेनिश गणितज्ञ और सांख्यिकीविद् जॉर्ज रैश के नाम पर रखा गया है, जिन्होंने भौतिकी में माप की मुख्य आवश्यकता अर्थात् अपरिवर्तनीय मिलान की आवश्यकता के मध्य उनकी अनुरूपता के आधार पर आदर्श के लिए ज्ञान का सिद्धांत के स्थितियों को अग्रिम किया है।^[1] यह आदर्श के वर्ग की परिभाषित विशेषता है, जैसा कि निम्नलिखित अनुभाग में विस्तार से बताया गया है। द्विभाजित डेटा के लिए रैश आदर्श का तुलनात्मक निर्णय के नियम से घनिष्ठ वैचारिक संबंध है। (एलसीजे) आदर्श है जिसे एल. एल. थर्स्टन के माध्यम से उच्चतर मापदंडो पर निर्मित और उपयोग किया जाता है।^[12]^[13] और इसलिए थर्स्टन मापदंडो पर भी उपयोग किया जाता है।^[14]

माप आदर्श प्रस्तुत करने से सर्व-प्रथम जिसके लिए वह अत्यंत अधिक जाने जाते हैं। रैश ने माप आदर्श के रूप में डेटा को अध्ययन के लिए पॉइसन वितरण को क्रियान्वित किया था, यह परिकल्पना करते हुए कि प्रासंगिक अनुभार संदर्भ में किसी दिए गए व्यक्तित्व के माध्यम से की गई त्रुटियों की संख्या के अनुपात से नियंत्रित होती थी। व्यक्तित्व की अध्ययन की क्षमता में पाठ्य समस्या, रैश ने इस आदर्श को गुणक पॉइसन आदर्श के रूप में संदर्भित किया है। द्विभाजित डेटा के लिए रैश का आदर्श - अर्थात जिस स्थान पर प्रतिक्रियाओं को दो श्रेणियों में वर्गीकृत किया जा सकता है, उनका अत्यंत व्यापक रूप से ज्ञात और उपयोग किया जाने वाला आदर्श है, और यह मुख्य बिंदु है। इस आदर्श में साधारण तार्किक कार्य का रूप है।

उपरोक्त संक्षिप्त रूपरेखा सामाजिक माप पर रैश के परिप्रेक्ष्य की अल्प विशिष्ट और परस्पर संबंधित विशेषताओं पर प्रकाश डालती है जो इस प्रकार हैं:

वह जन समुदाय के मध्य वितरण के अतिरिक्त मुख्य रूप से व्यक्तित्व के माप से चिंतित थे।
वह भौतिकी से प्राप्त माप के लिए प्राथमिक आवश्यकताओं को पूर्ण करने के लिए आधार स्थापित करने के विषय में चिंतित थे और परिणामस्वरूप उन्होंने जन समुदाय में किसी विशेषता के स्तर के वितरण के विषय में कोई धारणा नहीं बनाई है।
रैश का दृष्टिकोण स्पष्ट रूप से मानता है कि यह वैज्ञानिक परिकल्पना है कि प्रस्तुत किया गया गुण मात्रात्मक और मापने योग्य दोनों है, जैसा कि विशेष प्रयोगात्मक संदर्भ में क्रियान्वित किया गया है।

इस प्रकार थॉमस कुह्न के माध्यम से अपने 1961 के प्रपत्र आधुनिक भौतिक विज्ञान में माप के कार्य में व्यक्त परिप्रेक्ष्य के अनुरूप, माप को सिद्धांत में स्थापित होने के मध्य व्यापक सैद्धांतिक तंत्र से संबंधित परिकल्पनाओं के मध्य असंगत मात्रात्मक विसंगतियों का ज्ञात करने में सहायक माना गया था।^[15] यह परिप्रेक्ष्य सामान्यतः सामाजिक विज्ञानों में प्रचलित परिप्रेक्ष्य के विपरीत है, जिसमें परीक्षण प्राप्तांक जैसे डेटा को माप के लिए सैद्धांतिक आधार की आवश्यकता के रहित प्रत्यक्ष रूप से माप के रूप में माना जाता है। यद्यपि यह विरोधाभास उपस्थित है, रैश का परिप्रेक्ष्य वास्तव में सांख्यिकीय विश्लेषण या प्रतिरूपण के उपयोग का पूरक है जिसके लिए अंतराल-स्तरीय माप की आवश्यकता होती है, क्योंकि रैश आदर्श को क्रियान्वित करने का उद्देश्य ऐसे माप प्राप्त करना है। रैश आदर्श के अनुप्रयोगों का वर्णन विभिन्न प्रकार के स्रोतों में किया गया है।^[16]

अपरिवर्तनीय मिलान और पर्याप्तता

द्विभाजित डेटा के लिए रैश आदर्श को अधिकांशतः एक इकाई मापदंड के मध्य इकाई प्रतिक्रिया सिद्धांत (आईआरटी) आदर्श के रूप में माना जाता है। चूंकि विशेष आईआरटी आदर्श होने के अतिरिक्त, आदर्श के प्रस्तावक है^[17] यह ऐसे आदर्श के रूप में ज्ञात है जिसमें ऐसी अधिकार है जो इसे अन्य आईआरटी आदर्श से प्रथक करती है। विशेष रूप से रैश आदर्श की परिभाषित अधिकार अपरिवर्तनीय मिलान के सिद्धांत का उनका औपचारिक या गणितीय अवतार है। रैश ने अपरिवर्तनीय मिलान के सिद्धांत को इस प्रकार संक्षेप में प्रस्तुत किया है :

दो प्रोत्साहन के मध्य मिलान इस बात से स्वतंत्र होनी चाहिए कि कौन से विशेष व्यक्तित्व मिलान के लिए सहायक थे; और यह इस बात से भी स्वतंत्र होना चाहिए कि विचारित वर्ग के अन्दर किन अन्य प्रोत्साहन की मिलान की गई थी या हो सकती है।

सममित रूप से, दो व्यक्तित्व के मध्य मिलान इस बात से स्वतंत्र होनी चाहिए कि विचार किए गए वर्ग के अन्दर कौन सी विशेष प्रोत्साहन मिलान के लिए सहायक थीं; और यह इस बात से भी स्वतंत्र होना चाहिए कि उसी या किसी अन्य स्थिति पर अन्य व्यक्तित्व की भी मिलान की गई थी।^[18]

रश आदर्श इस सिद्धांत को ग्रहण करते हैं क्योंकि उनकी औपचारिक संरचना व्यक्तित्व और इकाई मापदंडों के बीजगणितीय पृथक्करण की अनुमति देती है, इस अर्थ में कि इकाई मापदंडों के सांख्यिकीय अनुमान की प्रक्रिया के समय व्यक्तित्व मापदंड को समाप्त किया जा सकता है। यह परिणाम प्रतिबंधात्मक अधिकतम संभावना अनुमान के उपयोग के माध्यम से प्राप्त किया जाता है, जिसमें प्रतिक्रिया स्थान को व्यक्तित्व के कुल प्राप्तांक के अनुसार विभाजित किया जाता है। इसका परिणाम यह होता है कि किसी मद या व्यक्तित्व के लिए अपरिपक्व प्राप्तांक उस मद या व्यक्तित्व मापदंड के लिए पर्याप्त आँकड़ा होता है। वर्णन का तात्पर्य यह है कि, व्यक्तित्व के कुल प्राप्तांक में व्यक्तित्व के विषय में निर्दिष्ट संदर्भ में उपलब्ध समस्त सूचना सम्मिलित होती है, और इकाई के कुल प्राप्तांक में संबंधित अव्यक्त विशेषता के संबंध में इकाई के संबंध में समस्त सूचना सम्मिलित होती है। रैश आदर्श को प्रतिक्रिया डेटा में विशिष्ट संरचना अर्थात् संभाव्य गुटमैन संरचना की आवश्यकता होती है।

अल्प अधिक परिचित शब्दों में, रैश आदर्श मूल्यांकन पर कुल अंकों से सातत्य पर व्यक्तित्व स्थान प्राप्त करने के लिए आधार और औचित्य प्रदान करते हैं। चूंकि कुल अंकों को प्रत्यक्ष रूप से माप के रूप में मानना असामान्य नहीं है, वह वास्तव में माप के अतिरिक्त प्रथक अवलोकनों की गणना हैं। प्रत्येक अवलोकन किसी व्यक्तित्व और मद के मध्य मिलान के अवलोकन योग्य परिणाम का प्रतिनिधित्व करता है। इस प्रकार के परिणाम प्रत्यक्ष रूप से दिशा या किसी अन्य दिशा में माप संतुलन के अवलोकन के अनुरूप होते हैं। यह अवलोकन इंगित करता है कि एक या अन्य मद का द्रव्यमान अधिक है, किन्तु ऐसे अवलोकनों की गणना को प्रत्यक्ष रूप से माप के रूप में नहीं माना जा सकता है।

रैश ने बताया कि अपरिवर्तनीय मिलान का सिद्धांत भौतिकी में माप की विशेषता है, उदाहरण के रूप मे द्‍वि पथी प्रयोगात्मक संदर्भ वृत्ति जिसमें प्रत्येक उपकरण त्वरण उत्पन्न करने के लिए ठोस निकायों पर यांत्रिकी बल स्थापित करता है।^[1] इस संदर्भ में कहा गया है: सामान्यतः: यदि किसी दो मदों के लिए हम उपकरण के माध्यम से उत्पन्न उनके त्वरणों का निश्चित अनुपात पाते हैं, तब वही अनुपात किसी अन्य उपकरण के लिए भी प्राप्त होता है। यह सहजता से प्रदर्शित गया है कि न्यूटन का द्वितीय नियम वर्णन करता है कि ऐसे अनुपात पिंडों के द्रव्यमान के अनुपात के व्युत्क्रमानुपाती होते हैं।

द्विभाजित डेटा के लिए रैश आदर्श का गणितीय रूप

मान लीजिए कि $X_{ni}=x\in \{0,1\}$ द्विभाजित यादृच्छिक चर है, उदाहरण के रूप मे, $x=1$ किसी दिए गए मूल्यांकन इकाई के लिए उचित प्रतिक्रिया और $x=0$ त्रुटिपूर्ण प्रतिक्रिया को दर्शाता है। द्विभाजित डेटा के लिए रैश आदर्श में, परिणाम $X_{ni}=1$ के माध्यम से प्रस्तुत किया गया है:

\Pr\{X_{ni}=1\}={\frac {e^{{\beta _{n}}-{\delta _{i}}}}{1+e^{{\beta _{n}}-{\delta _{i}}}}},

जिस स्थान पर $\beta _{n}$ व्यक्तित्व $n$ की क्षमता है और $\delta _{i}$ इकाई $i$ .की समस्या है। इस प्रकार, द्विभाजित प्राप्ति मद के स्थितियों में, $\Pr\{X_{ni}=1\}$ संबंधित व्यक्तित्व और मूल्यांकन मद के मध्य संवाद पर सफलता की संभावना है। यह सहजता से प्रदर्शित गया है कि आदर्श के आधार पर किसी व्यक्तित्व के माध्यम से किसी इकाई पर उचित प्रतिक्रिया का अभिलेख समस्याएँ या संबंध $\beta _{n}-\delta _{i}$ के सामान्तर है। प्रथक-प्रथक क्षमता मापदंडों $\beta _{1}$ और $\beta _{2}$ वाले दो परीक्षकों और समस्या $\delta _{i}$ के मध्य अनेैतिक इकाई दिए जाने पर इन दोनों परीक्षकों के लिए अभिलेख में अंतर की $(\beta _{1}-\delta _{i})-(\beta _{2}-\delta _{i})$ से गणना करें। यह अंतर $\beta _{1}-\beta _{2}$ हो जाता है। इसके विपरीत, यह प्रदर्शित किया जा सकता है कि एक ही व्यक्तित्व के माध्यम से एक इकाई के लिए उचित प्रतिक्रिया का अभिलेख समस्याएँ या संबंध दो मदों में से किसी एक के लिए उचित प्रतिक्रिया पर प्रतिबंधात्मक, इकाई स्थानों के मध्य अंतर के सामान्तर है। उदाहरण के रूप मे

\operatorname {log-odds} \{X_{n1}=1\mid \ r_{n}=1\}=\delta _{2}-\delta _{1},\,

जिस स्थान पर $r_{n}$ दो मदों पर व्यक्तित्व n का कुल प्राप्तांक है, जो एक या अन्य मदों पर उचित प्रतिक्रिया दर्शाता है।^[1]^[19]^[20] इसलिए, प्रतिबंधात्मक लॉजिट आलेख में व्यक्तित्व मापदंड $\beta _{n}$ सम्मिलित नहीं है, जिसे कुल प्राप्तांक $r_{n}=1$ पर अनुकूलन के माध्यम से समाप्त किया जा सकता है। अर्थात्, अपरिपक्व अंकों के अनुसार प्रतिक्रियाओं को विभाजित करके और उचित प्रतिक्रिया की अभिलेख बाधाओं की गणना करके $\beta _{n}$ की भागीदारी के बिना एक अनुमान $\delta _{2}-\delta _{1}$ से प्राप्त किया जा सकता है। सामान्यतः, प्रतिबंधात्मक अधिकतम संभावना अनुमान (रैश आदर्श अनुमान देखें) जैसी प्रक्रिया के अनुप्रयोग के माध्यम से अनेक इकाई मापदंडों का पुनरावर्ती अनुमान लगाया जा सकता है। जबकि अधिक सम्मिलित मौलिक सिद्धांत ऐसे अनुमानों में क्रियान्वित होता है।

चित्र 4: रैश आदर्श के लिए आईसीसी, व्यक्तित्व के पांच वर्ग अंतरालों के लिए उचित देखे गए और अपेक्षित अनुपात के मध्य मिलान दर्शाता है

द्विभाजित डेटा के लिए रैश आदर्श का आईसीसी चित्र 4 में प्रदर्शित गया है। भूरी रेखा अव्यक्त सातत्य (अर्थात, उनकी क्षमताओं का स्तर) पर विभिन्न स्थानों वाले व्यक्तित्व के लिए प्रथक-प्रथक परिणाम $X_{ni}=1$ (अर्थात, प्रश्न का सही उत्तर देना) की संभावना को दर्शाती है। किसी मद का स्थान, परिभाषा के अनुसार, वह स्थान है जिस पर $X_{ni}=1$ के 0.5 के सामान्तर होने की संभावना होती है। चित्र 4 में, काले घेरे वर्ग अंतराल के अन्दर व्यक्तित्व के वास्तविक या देखे गए अनुपात को दर्शाते हैं जिसके लिए परिणाम देखा गया था। उदाहरण के रूप मे शैक्षिक मनोविज्ञान के संदर्भ में उपयोग किए जाने वाले मूल्यांकन इकाई के स्थितियों में, यह उन व्यक्तित्व के अनुपात का प्रतिनिधित्व कर सकते हैं जिन्होंने इकाई का उचित उत्तर दिया है। व्यक्तित्व को अव्यक्त सातत्य पर उनके स्थान के अनुमानों के आधार पर क्रमबद्ध किया जाता है और आदर्श के मध्य टिप्पणियों के अनुरूपता का रेखांकन निरीक्षण करने के लिए इस आधार पर वर्ग अंतराल में वर्गीकृत किया जाता है। आदर्श के मध्य डेटा की घनिष्ठ अनुरूपता है। डेटा के चित्रमय निरीक्षण के अतिरिक्त, योग्य के सांख्यिकीय परीक्षणों की श्रृंखला का उपयोग यह मूल्यांकन करने के लिए किया जाता है कि क्या आदर्श से टिप्पणियों के विचलन को मात्र यादृच्छिक प्रभावों के लिए उत्तरदायी हो सकता है जैसा कि आवश्यक है, या क्या आदर्श से व्यवस्थित विचलन हैं।

रैश आदर्श के बहुपद विस्तार

रैश आदर्श में अनेक बहुपद विस्तार हैं, जो द्विभाजित आदर्श को सामान्यीकृत करते हैं जिससे इसे उन संदर्भों में क्रियान्वित किया जा सके जिसमें क्रमिक पूर्णांक प्राप्तांक अव्यक्त विशेषता के अगर्सर स्तर या परिमाण की श्रेणियों का प्रतिनिधित्व करते हैं, जैसे वृद्धि क्षमता, मोटर कार्य का समर्थन एवं कथन इत्यादि है। उदाहरण के रूप मे यह बहुपद विस्तार लिकर्ट मापन के उपयोग, शैक्षिक मूल्यांकन में श्रेणीकरण और न्यायाधीशों के माध्यम से प्रदर्शन के प्राप्तांक पर क्रियान्वित होते हैं।

अन्य विचार

रैश आदर्श की आलोचना यह है कि यह अत्यधिक प्रतिबंधात्मक या अनुदेशात्मक है क्योंकि आदर्श की एक धारणा यह है कि समस्त मदों में समान विभेदन होता है, जबकि व्यवहार में, मदों का विभेदन प्रथक होता है, और इस प्रकार कोई भी डेटा समुच्चय सर्वदा भी उचित डेटा-आदर्श योग्य प्रदर्शित नहीं है। एक बार होने वाली त्रुटिपूर्ण यह है कि रैश आदर्श प्रत्येक इकाई को प्रथक विभेदन करने की अनुमति नहीं देता है, किन्तु समान विभेदन अपरिवर्तनीय माप की धारणा है, इसलिए प्रथक -प्रथक इकाई विभेदन निषिद्ध नहीं हैं, किन्तु कि यह संकेत प्राप्त होता है कि माप की गुणवत्ता सैद्धांतिक आदर्श के सामान्तर नहीं है। भौतिक माप की प्रकार वास्तविक विश्व के डेटा समुच्चय सर्वदा सैद्धांतिक आदर्श से संपूर्ण प्रकार से समन्वय नहीं है, इसलिए प्रासंगिक प्रश्न यह है कि क्या कोई विशेष डेटा समुच्चय हस्तगत में उद्देश्य के लिए माप की पर्याप्त गुणवत्ता प्रदान करता है, न कि यह कि क्या यह पूर्णता के अप्राप्य मानक से संपूर्ण प्रकार समरूप होता है।

बहुविकल्पी मदों से प्रतिक्रिया डेटा के मध्य रैश आदर्श के उपयोग के लिए विशिष्ट आलोचना यह है कि आदर्श में अनुमान लगाने के लिए कोई प्रावधान नहीं है क्योंकि रैश आदर्श में बायां अनंतस्पर्शी सदैव शून्य संभावना के समीप होता है। इसका तात्पर्य यह है कि अल्प क्षमता वाले व्यक्तित्व को सदैव कोई मद त्रुटिपूर्ण प्राप्त होगी । चूंकि बहुविकल्पीय परीक्षा संपूर्ण करने वाले अल्प क्षमता वाले व्यक्तित्व के समीप एकाकी संयोग से उचित उत्तर चयन की अधिक अधिक संभावना होती है (k-विकल्प इकाई के लिए, संभावना 1/k के प्राय: होती है)।

तीन-मापदंड तार्किक आदर्श इन दोनों धारणाओं को शिथिल करता है और दो-मापदंड तार्किक आदर्श प्रथक-प्रथक ढलानों की अनुमति देता है।^[21] चूंकि सरल भार रहित वाले अपरिपक्व प्राप्तांक की पर्याप्तता को बनाए रखने के लिए समान विभेदन और शून्य बाएँ स्पर्शोन्मुख की विशिष्टता आदर्श के आवश्यक गुण हैं। व्यवहार में बहु-विकल्प डेटा समुच्चय में प्राप्त जाने वाला शुन्यतर निम्न अनंतस्पर्शी सामान्यतः मानी जाने वाली मिलान में माप के लिए अल्प संकट होता है और सामान्यतः माप में वास्तविक त्रुटियां नहीं होती हैं जब उचित प्रकार से विकसित परीक्षण मदों का उपयोग विवह कशीलता से किया जाता है ^[22] वर्हेल्स्ट एंड ग्लास (1995) ने आदर्श के लिए प्रतिबंधात्मक अधिकतम संभावना (सीएमएल) समीकरण प्राप्त किए, जिसे वह एकल मापदंड तार्किक आदर्श (ओपीएलएम) के रूप में संदर्भित करते हैं। बीजगणितीय रूप में यह 2 पीएल आदर्श के समान प्रतीत होता है, किन्तु ओएमपीएल में 2 पीएल के अनुमानित विभेदन मापदंडों के अतिरिक्त पूर्व निर्धारित विभेदन सूचकांक सम्मिलित हैं। जैसा कि इन लेखकों ने उल्लेख किया है, चूंकि अनुमानित विभेदन मापदंडों के मध्य अनुमान लगाने में जिस समस्या का सामना करना पड़ता है वह यह है कि विभेदन अज्ञात हैं, जिसका अर्थ है कि भारित अपरिपक्व प्राप्तांक मात्र एक आँकड़ा नहीं है और इसलिए सीएमएल को अनुमान पद्धति के रूप में उपयोग करना असंभव है।^[23]^: 217 अर्थात् 2 पीएल में भारित प्राप्तांक की पर्याप्तता का उपयोग उस विधियाँ के अनुसार नहीं किया जा सकता है, जिसमें पर्याप्त आँकड़ा परिभाषित किया गया है। यदि भार का अनुमान प्राप्त करने के अतिरिक्त अभिकथन किया जाता है, जैसा कि ओपीएलएम में होता है, तब प्रतिबंधात्मक अनुमान संभव है और रैश आदर्श के अल्प गुणों को निरंतर रखा जाता है।^[24]^[23] ओपीएलएम में विभेदन सूचकांक के मान 1 और 15 के मध्य सीमित हैं। इस दृष्टिकोण की सीमा यह है कि व्यवहार में विभेदन सूचकांक के मूल्यों को प्रारंभिक बिंदु के रूप में पूर्व निर्धारित किया जाना चाहिए। इसका कारण यह है कि विभेदन का अल्प प्रकार का अनुमान तब सम्मिलित होता है जब मुख्य उद्देश्य ऐसा करने से बचना होता है।

द्विभाजित डेटा के लिए रैश आदर्श में स्वाभाविक रूप से एकल विभेदन मापदंड सम्मिलित होता है, जैसा कि रैश ने लिखित मे किया गया है।^[1]^: 121 माप की इकाइयों का अनेैतिक विकल्प होता है जिसके संदर्भ में अव्यक्त विशेषता के परिमाण व्यक्त या अनुमानित किए जाते हैं। रैश आदर्श के लिए आवश्यक है कि विभेदन सामाजिक संपर्क के निर्दिष्ट वृत्ति के अन्दर व्यक्तित्व और मदों के मध्य व्याख्यान असंबद्धता की आवश्यकता में समान हो (अर्थात मूल्यांकन के संदर्भ में मूल्यांकन के लिए नियम दिया गया है)।

आदर्श का अनुप्रयोग मानदंड को उचित प्रकार पूर्ण करता है, इसके विषय में अनिश्चितता सूचना प्रदान करता है। आदर्श का अनुप्रयोग इस विषय में भी सूचना प्रदान कर सकता है कि मूल्यांकन पर इकाई या प्रश्न क्षमता या विशेषता को मापने के लिए कितनी उचित प्रकार से काम करते हैं। उदाहरण के रूप मे किसी दिए गए व्यवहार में संलग्न व्यक्तित्व के अनुपात को प्राप्त कर के रश आदर्श का उपयोग संबंध की समस्या दृष्टिकोण और व्यवहार के मध्य संबंधों को प्राप्त करने के लिए किया जा सकता है।^[25] रैश आदर्श के प्रमुख समर्थकों में बेंजामिन ड्रेक राइट, डेविड एंड्रीच और एर्लिंग एंडरसन सम्मिलित हैं।

यह भी देखें

मोकेन मापदंड
गुटमैन मापन

संदर्भ

↑ ^1.0 ^1.1 ^1.2 ^1.3 ^1.4 Rasch, G. (1980) [First published 1960]. कुछ बुद्धिमत्ता और दक्षता परीक्षणों के लिए सम्भाव्यता मॉडल्स. Foreword and afterword by B.D. Wright (Expanded ed.). Chicago: The University of Chicago Press.
↑ Istiqomah, Istiqomah; Hasanati, Nida (2022-10-27). "रैश मॉडल विश्लेषण का उपयोग करके छात्र शैक्षणिक प्रदर्शन निर्धारकों का विकास". Psympathic: Jurnal Ilmiah Psikologi. 9 (1): 17–30. doi:10.15575/psy.v9i1.7571. ISSN 2502-2903. S2CID 253200678.
↑ Bezruczko, N. (2005). स्वास्थ्य विज्ञान में रश माप. Maple Grove: Jam Press.
↑ Moral, F. J.; Rebollo, F. J. (2017). "रैश मॉडल का उपयोग करके मिट्टी की उर्वरता का लक्षण वर्णन". Journal of Soil Science and Plant Nutrition. Springer Science and Business Media LLC (ahead): 0. doi:10.4067/s0718-95162017005000035. ISSN 0718-9516.
↑ Bechtel, Gordon G. (1985). "उपभोक्ता रेटिंग पैमानों के लिए रैश मॉडल का सामान्यीकरण". Marketing Science. Institute for Operations Research and the Management Sciences (INFORMS). 4 (1): 62–73. doi:10.1287/mksc.4.1.62. ISSN 0732-2399.
↑ Wright, B. D. (1977). Solving measurement problems with the Rasch model. Journal of Educational Measurement, 14(2), 97-116.
↑ Linacre J.M. (2005). Rasch dichotomous model vs. One-parameter Logistic Model. Rasch Measurement Transactions, 19:3, 1032
↑ Rasch, G. (1977). On Specific Objectivity: An attempt at formalizing the request for generality and validity of scientific statements. The Danish Yearbook of Philosophy, 14, 58-93.
↑ Andrich, D. (January 2004). "Controversy and the Rasch model: a characteristic of incompatible paradigms?". Medical Care. Lippincott Williams & Wilkins. 42 (1 Suppl): 107–116. doi:10.1097/01.mlr.0000103528.48582.7c. JSTOR 4640697. PMID 14707751. S2CID 23087904.
↑ Wright, B. D. (1984). "शैक्षिक माप के लिए निराशा और आशा". Contemporary Education Review. 3 (1): 281–288.
↑ Wright, B. D. (1999). "Fundamental measurement for psychology". In Embretson, S. E.; Hershberger, S. L. (eds.). The new rules of measurement: What every educator and psychologist should know. Hillsdale: Lawrence Erlbaum Associates. pp. 65–104.
↑ Thurstone, L. L. (1927). A law of comparative judgment. Psychological Review, 34(4), 273.
↑ Luce, R. Duncan (1994). "Thurstone and sensory scaling: Then and now". Psychological Review. American Psychological Association (APA). 101 (2): 271–277. doi:10.1037/0033-295x.101.2.271. ISSN 0033-295X.
↑ Andrich, D. (1978b). Relationships between the Thurstone and Rasch approaches to item scaling. Applied Psychological Measurement, 2, 449–460.
↑ Kuhn, Thomas S. (1961). "आधुनिक भौतिक विज्ञान में मापन का कार्य". Isis. University of Chicago Press. 52 (2): 161–193. doi:10.1086/349468. ISSN 0021-1753. S2CID 144294881.
↑
Sources include
- Alagumalai, S., Curtis, D.D. & Hungi, N. (2005). Applied Rasch Measurement: A book of exemplars. Springer-Kluwer.
- Bezruczko, N. (Ed.). (2005). Rasch measurement in health sciences. Maple Grove, MN: JAM Press.
- Bond, T.G. & Fox, C.M. (2007). Applying the Rasch Model: Fundamental measurement in the human sciences. 2nd edn. Lawrence Erlbaum.
- Burro, Roberto (5 October 2016). "To be objective in Experimental Phenomenology: a Psychophysics application". SpringerPlus. Springer Science and Business Media LLC. 5 (1): 1720. doi:10.1186/s40064-016-3418-4. ISSN 2193-1801. PMC 5052248. PMID 27777856.
- Fisher, W. P. Jr., & Wright, B. D. (Eds.). (1994). Applications of probabilistic conjoint measurement. International Journal of Educational Research, 21(6), 557–664.
- Masters, G. N., & Keeves, J. P. (Eds.). (1999). Advances in measurement in educational research and assessment. New York: Pergamon.
- Journal of Applied Measurement
↑ Bond, T.G. & Fox, C.M. (2007). Applying the Rasch Model: Fundamental measurement in the human sciences. 2nd Edn. Lawrence Erlbaum. Page 265
↑ Rasch, G. (1961). On general laws and the meaning of measurement in psychology, pp. 321–334 in Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability, IV. Berkeley, California: University of California Press. Available free from Project Euclid
↑ Andersen, E.B. (1977). Sufficient statistics and latent trait models, Psychometrika, 42, 69–81.
↑ Andrich, D. (2010). Sufficiency and conditional estimation of person parameters in the polytomous Rasch model. Psychometrika, 75(2), 292-308.
↑ Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee’s ability. In Lord, F.M. & Novick, M.R. (Eds.), Statistical theories of mental test scores. Reading, MA: Addison–Wesley.
↑ Holster, Trevor A.; Lake, J. W. (2016). "अनुमान लगाना और रैश मॉडल". Language Assessment Quarterly. 13 (2): 124–141. doi:10.1080/15434303.2016.1160096. S2CID 148393334.
↑ ^23.0 ^23.1 Verhelst, N.D. and Glas, C.A.W. (1995). The one parameter logistic model. In G.H. Fischer and I.W. Molenaar (Eds.), Rasch Models: Foundations, recent developments, and applications (pp. 215–238). New York: Springer Verlag.
↑ Verhelst, N.D., Glas, C.A.W. and Verstralen, H.H.F.M. (1995). One parameter logistic model (OPLM). Arnhem: CITO.
↑ Byrka, Katarzyna; Jȩdrzejewski, Arkadiusz; Sznajd-Weron, Katarzyna; Weron, Rafał (2016-09-01). "Difficulty is critical: The importance of social factors in modeling diffusion of green products and practices". Renewable and Sustainable Energy Reviews. 62: 723–735. doi:10.1016/j.rser.2016.04.063.

अग्रिम पठन

Andrich, D. (1978a). A rating formulation for ordered response categories. Psychometrika, 43, 357–74.
Andrich, D. (1988). Rasch models for measurement. Beverly Hills: Sage Publications.
Baker, F. (2001). The Basics of Item Response Theory. ERIC Clearinghouse on Assessment and Evaluation, University of Maryland, College Park, MD. Available free with software included from IRT at Edres.org
Fischer, G.H. & Molenaar, I.W. (1995). Rasch models: foundations, recent developments and applications. New York: Springer-Verlag.
Goldstein H & Blinkhorn S (1977). Monitoring Educational Standards: an inappropriate model. . Bull.Br.Psychol.Soc. 30 309–311
Goldstein H & Blinkhorn S (1982). The Rasch Model Still Does Not Fit. BERJ 82 167–170.
Hambleton RK, Jones RW. "Comparison of classical test theory and item response," Educational Measurement: Issues and Practice 1993; 12(3):38–47. available in the ITEMS Series from the National Council on Measurement in Education
Harris D. Comparison of 1-, 2-, and 3-parameter IRT models. Educational Measurement: Issues and Practice;. 1989; 8: 35–41 available in the ITEMS Series from the National Council on Measurement in Education
Linacre, J. M. (1999). "Understanding Rasch measurement: Estimation methods for Rasch measures". Journal of Outcome Measurement. 3 (4): 382–405. PMID 10572388.
von Davier, M., & Carstensen, C. H. (2007). Multivariate and Mixture Distribution Rasch Models: Extensions and Applications. New York: Springer. [1]
von Davier, M. (2016). Rasch Model. In Wim J. van der Linden (ed.): Handbook of Item Response Theory (Boca Raton: CRC Press), Routledge Handbooks.[2]
Wright, B.D., & Stone, M.H. (1979). Best Test Design. Chicago, IL: MESA Press.
Wu, M. & Adams, R. (2007). Applying the Rasch model to psycho-social measurement: A practical approach. Melbourne, Australia: Educational Measurement Solutions. Available free from Educational Measurement Solutions

बाहरी संबंध

[Rasch1960-1] 1.0 ^1.1 ^1.2 ^1.3 ^1.4 Rasch, G. (1980) [First published 1960]. कुछ बुद्धिमत्ता और दक्षता परीक्षणों के लिए सम्भाव्यता मॉडल्स. Foreword and afterword by B.D. Wright (Expanded ed.). Chicago: The University of Chicago Press.

[2] Istiqomah, Istiqomah; Hasanati, Nida (2022-10-27). "रैश मॉडल विश्लेषण का उपयोग करके छात्र शैक्षणिक प्रदर्शन निर्धारकों का विकास". Psympathic: Jurnal Ilmiah Psikologi. 9 (1): 17–30. doi:10.15575/psy.v9i1.7571. ISSN 2502-2903. S2CID 253200678.

[3] Bezruczko, N. (2005). स्वास्थ्य विज्ञान में रश माप. Maple Grove: Jam Press.

[4] Moral, F. J.; Rebollo, F. J. (2017). "रैश मॉडल का उपयोग करके मिट्टी की उर्वरता का लक्षण वर्णन". Journal of Soil Science and Plant Nutrition. Springer Science and Business Media LLC (ahead): 0. doi:10.4067/s0718-95162017005000035. ISSN 0718-9516.

[5] Bechtel, Gordon G. (1985). "उपभोक्ता रेटिंग पैमानों के लिए रैश मॉडल का सामान्यीकरण". Marketing Science. Institute for Operations Research and the Management Sciences (INFORMS). 4 (1): 62–73. doi:10.1287/mksc.4.1.62. ISSN 0732-2399.

[6] Wright, B. D. (1977). Solving measurement problems with the Rasch model. Journal of Educational Measurement, 14(2), 97-116.

[7] Linacre J.M. (2005). Rasch dichotomous model vs. One-parameter Logistic Model. Rasch Measurement Transactions, 19:3, 1032

[8] Rasch, G. (1977). On Specific Objectivity: An attempt at formalizing the request for generality and validity of scientific statements. The Danish Yearbook of Philosophy, 14, 58-93.

[9] Andrich, D. (January 2004). "Controversy and the Rasch model: a characteristic of incompatible paradigms?". Medical Care. Lippincott Williams & Wilkins. 42 (1 Suppl): 107–116. doi:10.1097/01.mlr.0000103528.48582.7c. JSTOR 4640697. PMID 14707751. S2CID 23087904.

[10] Wright, B. D. (1984). "शैक्षिक माप के लिए निराशा और आशा". Contemporary Education Review. 3 (1): 281–288.

[11] Wright, B. D. (1999). "Fundamental measurement for psychology". In Embretson, S. E.; Hershberger, S. L. (eds.). The new rules of measurement: What every educator and psychologist should know. Hillsdale: Lawrence Erlbaum Associates. pp. 65–104.

[12] Thurstone, L. L. (1927). A law of comparative judgment. Psychological Review, 34(4), 273.

[13] Luce, R. Duncan (1994). "Thurstone and sensory scaling: Then and now". Psychological Review. American Psychological Association (APA). 101 (2): 271–277. doi:10.1037/0033-295x.101.2.271. ISSN 0033-295X.

[14] Andrich, D. (1978b). Relationships between the Thurstone and Rasch approaches to item scaling. Applied Psychological Measurement, 2, 449–460.

[15] Kuhn, Thomas S. (1961). "आधुनिक भौतिक विज्ञान में मापन का कार्य". Isis. University of Chicago Press. 52 (2): 161–193. doi:10.1086/349468. ISSN 0021-1753. S2CID 144294881.

[16] Sources include
Alagumalai, S., Curtis, D.D. & Hungi, N. (2005). Applied Rasch Measurement: A book of exemplars. Springer-Kluwer.

Bezruczko, N. (Ed.). (2005). Rasch measurement in health sciences. Maple Grove, MN: JAM Press.

Bond, T.G. & Fox, C.M. (2007). Applying the Rasch Model: Fundamental measurement in the human sciences. 2nd edn. Lawrence Erlbaum.

Burro, Roberto (5 October 2016). "To be objective in Experimental Phenomenology: a Psychophysics application". SpringerPlus. Springer Science and Business Media LLC. 5 (1): 1720. doi:10.1186/s40064-016-3418-4. ISSN 2193-1801. PMC 5052248. PMID 27777856.

Fisher, W. P. Jr., & Wright, B. D. (Eds.). (1994). Applications of probabilistic conjoint measurement. International Journal of Educational Research, 21(6), 557–664.

Masters, G. N., & Keeves, J. P. (Eds.). (1999). Advances in measurement in educational research and assessment. New York: Pergamon.

Journal of Applied Measurement

[17] Alagumalai, S., Curtis, D.D. & Hungi, N. (2005). Applied Rasch Measurement: A book of exemplars. Springer-Kluwer.

[18] Bezruczko, N. (Ed.). (2005). Rasch measurement in health sciences. Maple Grove, MN: JAM Press.

[19] Bond, T.G. & Fox, C.M. (2007). Applying the Rasch Model: Fundamental measurement in the human sciences. 2nd edn. Lawrence Erlbaum.

[20] Burro, Roberto (5 October 2016). "To be objective in Experimental Phenomenology: a Psychophysics application". SpringerPlus. Springer Science and Business Media LLC. 5 (1): 1720. doi:10.1186/s40064-016-3418-4. ISSN 2193-1801. PMC 5052248. PMID 27777856.

[21] Fisher, W. P. Jr., & Wright, B. D. (Eds.). (1994). Applications of probabilistic conjoint measurement. International Journal of Educational Research, 21(6), 557–664.

[22] Masters, G. N., & Keeves, J. P. (Eds.). (1999). Advances in measurement in educational research and assessment. New York: Pergamon.

[23] Journal of Applied Measurement

[17] Bond, T.G. & Fox, C.M. (2007). Applying the Rasch Model: Fundamental measurement in the human sciences. 2nd Edn. Lawrence Erlbaum. Page 265

[18] Rasch, G. (1961). On general laws and the meaning of measurement in psychology, pp. 321–334 in Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability, IV. Berkeley, California: University of California Press. Available free from Project Euclid

[19] Andersen, E.B. (1977). Sufficient statistics and latent trait models, Psychometrika, 42, 69–81.

[20] Andrich, D. (2010). Sufficiency and conditional estimation of person parameters in the polytomous Rasch model. Psychometrika, 75(2), 292-308.

[21] Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee’s ability. In Lord, F.M. & Novick, M.R. (Eds.), Statistical theories of mental test scores. Reading, MA: Addison–Wesley.

[22] Holster, Trevor A.; Lake, J. W. (2016). "अनुमान लगाना और रैश मॉडल". Language Assessment Quarterly. 13 (2): 124–141. doi:10.1080/15434303.2016.1160096. S2CID 148393334.

[Verhelst_Glas_1995-23] 23.0 ^23.1 Verhelst, N.D. and Glas, C.A.W. (1995). The one parameter logistic model. In G.H. Fischer and I.W. Molenaar (Eds.), Rasch Models: Foundations, recent developments, and applications (pp. 215–238). New York: Springer Verlag.

[24] Verhelst, N.D., Glas, C.A.W. and Verstralen, H.H.F.M. (1995). One parameter logistic model (OPLM). Arnhem: CITO.

[25] Byrka, Katarzyna; Jȩdrzejewski, Arkadiusz; Sznajd-Weron, Katarzyna; Weron, Rafał (2016-09-01). "Difficulty is critical: The importance of social factors in modeling diffusion of green products and practices". Renewable and Sustainable Energy Reviews. 62: 723–735. doi:10.1016/j.rser.2016.04.063.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

@@ Line 1: / Line 1: @@
 {{Short description|Psychometric model for analyzing categorical data}}
-रैश आदर्श , जिसका नाम [[ जॉर्ज रश ]] के नाम पर रखा गया है, श्रेणीबद्ध डेटा का विश्लेषण करने के लिए एक [[साइकोमेट्रिक्स]] आदर्श  है, जैसे कि पढ़ने के मूल्यांकन या प्रश्नावली प्रतिक्रियाओं पर प्रश्नों के उत्तर, उत्तरदाता की क्षमताओं, दृष्टिकोण या व्यक्तित्व लक्षणों के बीच व्यापार-बंद के कार्य के रूप में। और विषय कठिनाई.<ref name="Rasch1960">{{cite book |last=Rasch |first=G. |orig-date=First published 1960 |date=1980 |title=कुछ बुद्धिमत्ता और दक्षता परीक्षणों के लिए सम्भाव्यता मॉडल्स|others=Foreword and afterword by B.D. Wright |edition=Expanded |place=Chicago |publisher=The University of Chicago Press}}</ref><ref>{{Cite journal |last1=Istiqomah |first1=Istiqomah |last2=Hasanati |first2=Nida |date=2022-10-27 |title=रैश मॉडल विश्लेषण का उपयोग करके छात्र शैक्षणिक प्रदर्शन निर्धारकों का विकास|url=https://journal.uinsgd.ac.id/index.php/psy/article/view/7571 |journal=Psympathic: Jurnal Ilmiah Psikologi |volume=9 |issue=1 |pages=17–30 |doi=10.15575/psy.v9i1.7571 |s2cid=253200678 |issn=2502-2903}}</ref> उदाहरण के लिए, उनका उपयोग किसी छात्र की पढ़ने की क्षमता या किसी प्रश्नावली के उत्तरों से मृत्युदंड के प्रति किसी व्यक्ति के रवैये की चरम सीमा का अनुमान लगाने के लिए किया जा सकता है। साइकोमेट्रिक्स और शैक्षिक अनुसंधान के अलावा, रैश आदर्श  और इसके विस्तार का उपयोग स्वास्थ्य पेशे सहित अन्य क्षेत्रों में भी किया जाता है।<ref>{{cite book |last=Bezruczko |first=N. |year=2005 |title=स्वास्थ्य विज्ञान में रश माप|place=Maple Grove |publisher=Jam Press}}</ref> [[कृषि]],<ref>{{cite journal | last1=Moral | first1=F. J. | last2=Rebollo | first2=F. J. | title=रैश मॉडल का उपयोग करके मिट्टी की उर्वरता का लक्षण वर्णन| journal=Journal of Soil Science and Plant Nutrition | publisher=Springer Science and Business Media LLC | issue=ahead | year=2017 | issn=0718-9516 | doi=10.4067/s0718-95162017005000035 | pages=0| doi-access=free }}</ref> और बाजार अनुसंधान<ref>{{cite journal | last=Bechtel | first=Gordon G. | title=उपभोक्ता रेटिंग पैमानों के लिए रैश मॉडल का सामान्यीकरण| journal=Marketing Science | publisher=Institute for Operations Research and the Management Sciences (INFORMS) | volume=4 | issue=1 | year=1985 | issn=0732-2399 | doi=10.1287/mksc.4.1.62 | pages=62–73}}</ref><ref>Wright, B. D. (1977). Solving measurement problems with the Rasch model. Journal of Educational Measurement, 14(2), 97-116.</ref>
+रैश आदर्श जिसका नाम [[ जॉर्ज रश |जॉर्ज रैश]] के नाम पर रखा गया है। श्रेणीबद्ध डेटा का विश्लेषण करने के लिए [[साइकोमेट्रिक्स]] आदर्श है, जैसे कि अध्ययन के मूल्यांकन पर प्रश्नों के उत्तर या उत्तरदाता की क्षमताओं, दृष्टिकोण या व्यक्तित्वत्व लक्षण और इकाई समस्या के मध्य उद्योग-संवृत के कार्य के रूप में प्रश्नावली प्रतिक्रियाएं है।<ref name="Rasch1960">{{cite book |last=Rasch |first=G. |orig-date=First published 1960 |date=1980 |title=कुछ बुद्धिमत्ता और दक्षता परीक्षणों के लिए सम्भाव्यता मॉडल्स|others=Foreword and afterword by B.D. Wright |edition=Expanded |place=Chicago |publisher=The University of Chicago Press}}</ref><ref>{{Cite journal |last1=Istiqomah |first1=Istiqomah |last2=Hasanati |first2=Nida |date=2022-10-27 |title=रैश मॉडल विश्लेषण का उपयोग करके छात्र शैक्षणिक प्रदर्शन निर्धारकों का विकास|url=https://journal.uinsgd.ac.id/index.php/psy/article/view/7571 |journal=Psympathic: Jurnal Ilmiah Psikologi |volume=9 |issue=1 |pages=17–30 |doi=10.15575/psy.v9i1.7571 |s2cid=253200678 |issn=2502-2903}}</ref> उदाहरण के रूप मे उनका उपयोग किसी विद्यार्थी की अध्ययन की क्षमता या किसी प्रश्नावली के उत्तरों से जुर्माना के प्रति किसी व्यक्तित्व के अभिवृत्ति की अत्यंतता का अनुमान लगाने के लिए किया जा सकता है। साइकोमेट्रिक्स और शैक्षिक अनुसंधान के अतिरिक्त रैश आदर्श और इसके विस्तार का उपयोग स्वास्थ्य, व्यवसाय <ref>{{cite book |last=Bezruczko |first=N. |year=2005 |title=स्वास्थ्य विज्ञान में रश माप|place=Maple Grove |publisher=Jam Press}}</ref> [[कृषि]],<ref>{{cite journal | last1=Moral | first1=F. J. | last2=Rebollo | first2=F. J. | title=रैश मॉडल का उपयोग करके मिट्टी की उर्वरता का लक्षण वर्णन| journal=Journal of Soil Science and Plant Nutrition | publisher=Springer Science and Business Media LLC | issue=ahead | year=2017 | issn=0718-9516 | doi=10.4067/s0718-95162017005000035 | pages=0| doi-access=free }}</ref> और बाजार अनुसंधान <ref>{{cite journal | last=Bechtel | first=Gordon G. | title=उपभोक्ता रेटिंग पैमानों के लिए रैश मॉडल का सामान्यीकरण| journal=Marketing Science | publisher=Institute for Operations Research and the Management Sciences (INFORMS) | volume=4 | issue=1 | year=1985 | issn=0732-2399 | doi=10.1287/mksc.4.1.62 | pages=62–73}}</ref><ref>Wright, B. D. (1977). Solving measurement problems with the Rasch model. Journal of Educational Measurement, 14(2), 97-116.</ref> सहित अन्य क्षेत्रों में किया जाता है।
-रैश आदर्श  में अंतर्निहित गणितीय सिद्धांत [[आइटम प्रतिक्रिया सिद्धांत|विषय प्रतिक्रिया सिद्धांत]] का एक विशेष मामला है। हालाँकि, आदर्श  मापदंडों की व्याख्या और इसके दार्शनिक निहितार्थों में महत्वपूर्ण अंतर हैं<ref>Linacre J.M. (2005). Rasch dichotomous model vs. One-parameter Logistic Model. Rasch Measurement Transactions, 19:3, 1032</ref> वह रैश आदर्श  के समर्थकों को विषय प्रतिक्रिया प्रतिरूपण  परंपरा से अलग करता है। इस विभाजन का एक केंद्रीय पहलू विशिष्ट वस्तुनिष्ठता की भूमिका से संबंधित है,<ref>Rasch, G. (1977). On Specific Objectivity: An attempt at formalizing the request for generality and validity of scientific statements. The Danish Yearbook of Philosophy, 14, 58-93.</ref> सफल माप के लिए एक आवश्यकता के रूप में, जॉर्ज रैश के अनुसार रैश आदर्श  की एक परिभाषित संपत्ति।
-रैश आदर्श , जिसका नाम जॉर्ज रैश के नाम पर रखा गया है, श्रेणीबद्ध डेटा का विश्लेषण करने के लिए एक साइकोमेट्रिक आदर्श  है, जैसे कि पढ़ने के मूल्यांकन पर प्रश्नों के उत्तर या उत्तरदाता की क्षमताओं, दृष्टिकोण या व्यक्तित्व लक्षण और विषय कठिनाई के बीच व्यापार-बंद के कार्य के रूप में प्रश्नावली प्रतिक्रियाएं।
+रैश आदर्श में अंतर्निहित गणितीय सिद्धांत [[आइटम प्रतिक्रिया सिद्धांत|इकाई प्रतिक्रिया सिद्धांत]] का विशेष स्थितियाँ है। चूंकि आदर्श मापदंडों की व्याख्या और इसके दार्शनिक निहितार्थों में महत्वपूर्ण अंतर हैं।<ref>Linacre J.M. (2005). Rasch dichotomous model vs. One-parameter Logistic Model. Rasch Measurement Transactions, 19:3, 1032</ref> वह रैश आदर्श के समर्थकों को इकाई प्रतिक्रिया प्रतिरूपण परंपरा से प्रथक करता है। इस विभाजन का केंद्रीय रूप सफल माप के लिए आवश्यकता के रूप में जॉर्ज रैश के अनुसार रैश मॉडल की परिभाषित गुण विशिष्ट निष्पक्षता की भूमिका से संबंधित है।<ref>Rasch, G. (1977). On Specific Objectivity: An attempt at formalizing the request for generality and validity of scientific statements. The Danish Yearbook of Philosophy, 14, 58-93.</ref>
 ==अवलोकन==
 ===माप के लिए रैश आदर्श ===
-रैश आदर्श  में, एक निर्दिष्ट प्रतिक्रिया (उदाहरण के लिए सही/गलत उत्तर) की संभावना को व्यक्ति और विषय मापदंडों के एक फ़ंक्शन के रूप में तैयार किया जाता है। विशेष रूप से, मूल रैश आदर्श  में, सही प्रतिक्रिया की संभावना को व्यक्ति और विषय पैरामीटर के बीच अंतर के एक [[लॉजिस्टिक फ़ंक्शन]] के रूप में तैयार किया जाता है। आदर्श  का गणितीय रूप इस आलेख में बाद में प्रदान किया गया है। अधिकांश संदर्भों में, आदर्श  के पैरामीटर उत्तरदाताओं की दक्षता और निरंतर अव्यक्त चर पर स्थानों के रूप में वस्तुओं की कठिनाई को दर्शाते हैं। उदाहरण के लिए, शैक्षिक परीक्षणों में, विषय पैरामीटर वस्तुओं की कठिनाई का प्रतिनिधित्व करते हैं जबकि व्यक्ति पैरामीटर उन लोगों की क्षमता या उपलब्धि स्तर का प्रतिनिधित्व करते हैं जिनका मूल्यांकन किया जाता है। किसी वस्तु की कठिनाई के सापेक्ष किसी व्यक्ति की क्षमता जितनी अधिक होगी, उस वस्तु पर सही प्रतिक्रिया की संभावना उतनी ही अधिक होगी। जब किसी व्यक्ति का अव्यक्त गुण पर स्थान वस्तु की कठिनाई के बराबर होता है, तो परिभाषा के अनुसार रैश आदर्श  में सही प्रतिक्रिया की संभावना 0.5 होती है।
+रैश आदर्श में, निर्दिष्ट प्रतिक्रिया (उदाहरण के रूप मे उचित /त्रुटिपूर्ण उत्तर) की संभावना को व्यक्तित्व और इकाई मापदंडों के कार्य के रूप में निर्मित किया जाता है। विशेष रूप से, मूल रैश आदर्श में, उचित प्रतिक्रिया की संभावना को व्यक्तित्व और इकाई मापदंड के मध्य अंतर के [[लॉजिस्टिक फ़ंक्शन|तार्किक कार्य]] के रूप में निर्मित किया जाता है। आदर्श का गणितीय रूप इस आलेख में पश्चात् में प्रदान किया गया है। अधिकांश संदर्भों में, आदर्श के मापदंड उत्तरदाताओं की दक्षता और निरंतर अव्यक्त चर पर स्थानों के रूप में मदों की समस्या को दर्शाते हैं। उदाहरण के रूप मे शैक्षिक परीक्षणों में, इकाई मापदंड मदों की समस्या का प्रतिनिधित्व करते हैं जबकि व्यक्तित्व मापदंड उन समाज की क्षमता या उपलब्धि स्तर का प्रतिनिधित्व करते हैं जिनका मूल्यांकन किया जाता है। किसी मद की समस्या के सापेक्ष किसी व्यक्तित्व की क्षमता जितनी अधिक होगी, उस मद पर उचित प्रतिक्रिया की संभावना उतनी ही अधिक होती है। जब किसी व्यक्तित्व का अव्यक्त गुण पर स्थान मद की समस्या के सामान्तर होता है, तब परिभाषा के अनुसार रैश आदर्श में उचित प्रतिक्रिया की संभावना 0.5 होती है।
-रैश आदर्श  एक अर्थ में एक आदर्श  है जिसमें यह उस संरचना का प्रतिनिधित्व करता है जिसे डेटा से माप प्राप्त करने के लिए डेटा को प्रदर्शित करना चाहिए; यानी यह सफल माप के लिए एक मानदंड प्रदान करता है। डेटा से परे, रैश के समीकरण आदर्श  रिश्तों को हम वास्तविक दुनिया में प्राप्त करने की उम्मीद करते हैं। उदाहरण के लिए, शिक्षा का उद्देश्य बच्चों को जीवन में आने वाली सभी चुनौतियों के लिए तैयार करना है, न कि केवल पाठ्यपुस्तकों या परीक्षाओं में आने वाली चुनौतियों के लिए। एक ही चीज़ को मापने वाले विभिन्न परीक्षणों में समान (अपरिवर्तनीय) रहने के उपायों की आवश्यकता के द्वारा, रैश आदर्श  इस परिकल्पना का परीक्षण करना संभव बनाते हैं कि पाठ्यक्रम और परीक्षण में उत्पन्न विशेष चुनौतियाँ सुसंगत रूप से सभी संभावित चुनौतियों की अनंत आबादी का प्रतिनिधित्व करती हैं। कार्यक्षेत्र। इसलिए एक रैश आदर्श  एक आदर्श या मानक के अर्थ में एक आदर्श  है जो एक अनुमानी कल्पना प्रदान करता है जो एक उपयोगी आयोजन सिद्धांत के रूप में कार्य करता है, भले ही इसे वास्तव में व्यवहार में कभी नहीं देखा गया हो।
+रैश आदर्श अर्थ में एक आदर्श है जिसमें यह उस संरचना का प्रतिनिधित्व करता है जिसे डेटा से माप प्राप्त करने के लिए डेटा को प्रदर्शित करना चाहिए; अर्थात यह सफल माप के लिए मानदंड प्रदान करता है। डेटा से प्रथक रैश के समीकरण आदर्श को हम वास्तविक विश्व में प्राप्त करने की अपेक्षा करते हैं। उदाहरण के रूप मे शिक्षा का उद्देश्य बच्चों को जीवन में आने वाली समस्त प्रकार की प्रतिस्पर्धा के लिए निर्मित करना है, न कि मात्र उन प्रतिस्पर्धा के लिए जो पाठ्यपुस्तकों या परीक्षणों में प्रदर्शित होतित है । एक ही चीज़ को मापने वाले विभिन्न परीक्षणों में समान (अपरिवर्तनीय) होने के उपायों की आवश्यकता के माध्यम से रैश आदर्श इस परिकल्पना का परीक्षण करना संभव बनाते हैं कि पाठ्यक्रम और परीक्षण में उत्पन्न विशेष प्रतिस्पर्धा सुसंगत रूप से समस्त संभावित प्रतिस्पर्धा की अनंत निवासी का प्रतिनिधित्व करती हैं। इसलिए रैश आदर्श एक आदर्श या मानक के अर्थ में आदर्श है जो अनुमानी कल्पना प्रदान करता है जो उपयोगी संगठित सिद्धांत के रूप में कार्य करता है, तब भी जब वास्तव में इसे व्यवहार में सर्वदा देखा ही नहीं गया है।
-रैश आदर्श  को रेखांकित करने वाला परिप्रेक्ष्य या प्रतिमान [[सांख्यिकीय मॉडल|सांख्यिकीय]] प्रतिरूपण  को रेखांकित करने वाले परिप्रेक्ष्य से अलग है। आदर्श  का उपयोग अक्सर डेटा के एक सेट का वर्णन करने के इरादे से किया जाता है। पैरामीटर्स को इस आधार पर संशोधित और स्वीकार या अस्वीकार किया जाता है कि वे डेटा में कितने फिट बैठते हैं। इसके विपरीत, जब रैश आदर्श  को नियोजित किया जाता है, तो उद्देश्य उस डेटा को प्राप्त करना होता है जो आदर्श  में फिट बैठता है।<ref>{{cite journal |last=Andrich |first=D. |date=January 2004 |title=Controversy and the Rasch model: a characteristic of incompatible paradigms? |journal=Medical Care |volume=42 |issue=1 Suppl |pages=107–116 |publisher=Lippincott Williams & Wilkins |doi=10.1097/01.mlr.0000103528.48582.7c |jstor=4640697|pmid=14707751 |s2cid=23087904 }}</ref><ref>{{cite journal |last=Wright |first=B. D. |year=1984 |title=शैक्षिक माप के लिए निराशा और आशा|journal=Contemporary Education Review |volume=3 |issue=1 |pages=281–288 |url=http://www.rasch.org/memo41.htm}}</ref><ref>{{cite book |last=Wright |first=B. D. |year=1999 |chapter=Fundamental measurement for psychology |editor-first=S. E. |editor-last=Embretson |editor-first2=S. L. |editor-last2=Hershberger |title=The new rules of measurement: What every educator and psychologist should know |pages=65–104 |place=Hillsdale |publisher=Lawrence Erlbaum Associates}}</ref> इस परिप्रेक्ष्य का तर्क यह है कि रैश आदर्श  उन आवश्यकताओं का प्रतीक है जिन्हें माप प्राप्त करने के लिए पूरा किया जाना चाहिए, इस अर्थ में कि माप को आम तौर पर भौतिक विज्ञान में समझा जाता है।
+रैश आदर्श को रेखांकित करने वाला परिप्रेक्ष्य या प्रतिमान [[सांख्यिकीय मॉडल|सांख्यिकीय]] प्रतिरूपण को रेखांकित करने वाले परिप्रेक्ष्य से प्रथक है। आदर्श का उपयोग अधिकांशतः डेटा के समुच्चय का वर्णन करने के आशय से किया जाता है। मापदंड्स को इस आधार पर संशोधित और स्वीकार या अस्वीकार किया जाता है कि वह डेटा में कितने योग्य होते हैं। इसके विपरीत, जब रैश आदर्श को नियोजित किया जाता है, तब मुख्य उद्देश्य उस डेटा को प्राप्त करना होता है जो आदर्श में योग्य होता है।<ref>{{cite journal |last=Andrich |first=D. |date=January 2004 |title=Controversy and the Rasch model: a characteristic of incompatible paradigms? |journal=Medical Care |volume=42 |issue=1 Suppl |pages=107–116 |publisher=Lippincott Williams & Wilkins |doi=10.1097/01.mlr.0000103528.48582.7c |jstor=4640697|pmid=14707751 |s2cid=23087904 }}</ref><ref>{{cite journal |last=Wright |first=B. D. |year=1984 |title=शैक्षिक माप के लिए निराशा और आशा|journal=Contemporary Education Review |volume=3 |issue=1 |pages=281–288 |url=http://www.rasch.org/memo41.htm}}</ref><ref>{{cite book |last=Wright |first=B. D. |year=1999 |chapter=Fundamental measurement for psychology |editor-first=S. E. |editor-last=Embretson |editor-first2=S. L. |editor-last2=Hershberger |title=The new rules of measurement: What every educator and psychologist should know |pages=65–104 |place=Hillsdale |publisher=Lawrence Erlbaum Associates}}</ref> इस परिप्रेक्ष्य का तर्क यह है कि रैश आदर्श उन आवश्यकताओं का प्रतीक है जिन्हें माप प्राप्त करने के लिए पूर्ण किया जाना चाहिए, इस अर्थ में कि माप को सामान्यतः भौतिक विज्ञान में ज्ञात होता है।
-इस तर्क को समझने के लिए एक उपयोगी सादृश्य तराजू पर मापी गई वस्तुओं पर विचार करना है। मान लीजिए कि किसी वस्तु A का वजन एक अवसर पर वस्तु B के वजन से काफी अधिक मापा जाता है, तो इसके तुरंत बाद वस्तु B का वजन वस्तु A के वजन से काफी अधिक मापा जाता है। हमें एक संपत्ति की आवश्यकता होती है माप यह है कि वस्तुओं के बीच परिणामी तुलना अन्य कारकों के बावजूद समान, या अपरिवर्तनीय होनी चाहिए। यह प्रमुख आवश्यकता रैश आदर्श  की औपचारिक संरचना में सन्निहित है। नतीजतन, रैश आदर्श  को डेटा के अनुरूप नहीं बदला जाता है। इसके बजाय, मूल्यांकन के तरीके को बदला जाना चाहिए ताकि यह आवश्यकता पूरी हो सके, उसी तरह जैसे वजन मापने के पैमाने को सुधारा जाना चाहिए यदि यह वस्तुओं के अलग-अलग माप पर वस्तुओं के बीच अलग-अलग तुलना देता है।
+इस तर्क को समझने के लिए उपयोगी सादृश्य मापदंड पर मापी गई मदों पर विचार करना है। मान लीजिए कि किसी मद A का भार स्थिति पर मद B के भार से अधिक अधिक मापा जाता है, तब इसके तत्काल पश्चात् मद B का भार मद A के भार से अधिक अधिक मापा जाता है। हमें अधिकार की आवश्यकता होती है माप यह है कि मदों के मध्य परिणामी मिलान अन्य कारकों के निरपेक्ष समान, या अपरिवर्तनीय होनी चाहिए। यह प्रमुख आवश्यकता रैश आदर्श की औपचारिक संरचना में सन्निहित है। फलस्वरूप रैश आदर्श को डेटा के अनुरूप परिवर्तित नहीं किया जाता है। इसके अतिरिक्त, मूल्यांकन के विधियाँ को परिवर्तित किया जाना चाहिए जिससे यह आवश्यकता संपूर्ण हो सके, उसी प्रकार जैसे भार मापने के मापदंडो को सुधारा जाना चाहिए यदि यह मदों के प्रथक -प्रथक माप पर मदों के मध्य प्रथक -प्रथक मिलान देता है।
-आदर्श  का उपयोग करके विश्लेषण किया गया डेटा आमतौर पर परीक्षणों पर पारंपरिक वस्तुओं की प्रतिक्रियाएं होती हैं, जैसे कि सही/गलत उत्तरों के साथ शैक्षिक परीक्षण। हालाँकि, आदर्श  एक सामान्य है, और इसे वहां भी लागू किया जा सकता है जहां किसी मात्रात्मक विशेषता या विशेषता को मापने के इरादे से अलग-अलग डेटा प्राप्त किया जाता है।
+आदर्श का उपयोग करके विश्लेषण किया गया डेटा सामान्यतः परीक्षणों पर पारंपरिक मदों की प्रतिक्रियाएं होती हैं, जैसे कि उचित/त्रुटिपूर्ण उत्तरों के मध्य शैक्षिक परीक्षण है। चूंकि आदर्श एक सामान्य है, और इसे उस स्थान पर भी क्रियान्वित किया जा सकता है जिस स्थान पर किसी मात्रात्मक विशेषता या विशेषता को मापने के आशय से प्रथक -प्रथक डेटा प्राप्त किया जाता है।
-===स्केलिंग===
+===प्रवर्धन ===
-[[Image:TCC.PNG|thumb|380px|right|चित्र 1: परीक्षण विशेषता वक्र एक परीक्षण पर कुल स्कोर और व्यक्ति स्थान अनुमान के बीच संबंध दर्शाता है]]जब सभी परीक्षार्थियों को एक ही परीक्षा में सभी विषयों का प्रयास करने का अवसर मिलता है, तो परीक्षण पर प्रत्येक कुल स्कोर क्षमता के एक अद्वितीय अनुमान पर आधारित होता है और कुल जितना अधिक होगा, क्षमता का अनुमान उतना ही अधिक होगा। कुल अंकों का क्षमता अनुमानों के साथ कोई रैखिक संबंध नहीं है। बल्कि, संबंध गैर-रैखिक है जैसा कि चित्र 1 में दिखाया गया है। कुल स्कोर ऊर्ध्वाधर अक्ष पर दिखाया गया है, जबकि संबंधित व्यक्ति स्थान का अनुमान क्षैतिज अक्ष पर दिखाया गया है। उस विशेष परीक्षण के लिए जिस पर चित्र 1 में दिखाया गया परीक्षण विशेषता वक्र (TCC) आधारित है, संबंध लगभग 13 से 31 तक के कुल अंकों की सीमा में लगभग रैखिक है। TCC का आकार आम तौर पर कुछ हद तक [[सिग्मॉइड फ़ंक्शन]] जैसा होता है। उदाहरण। हालाँकि, कुल स्कोर और व्यक्ति स्थान अनुमान के बीच सटीक संबंध परीक्षण में वस्तुओं के वितरण पर निर्भर करता है। टीसीसी सातत्य पर श्रेणियों में तीव्र है जिसमें अधिक विषय हैं, जैसे कि आंकड़े 1 और 2 में 0 के दोनों ओर की सीमा में।
+[[Image:TCC.PNG|thumb|380px|right|चित्र 1: परीक्षण विशेषता वक्र परीक्षण पर कुल प्राप्तांक और व्यक्तित्व स्थान अनुमान के मध्य संबंध दर्शाता है]]जब समस्त परीक्षकों को एक ही परीक्षा में समस्त इकाई का प्रयास करने का सुविधा प्राप्त होती है, तब परीक्षण पर कुल प्राप्तांक क्षमता के अद्वितीय अनुमान पर आधारित होता है और कुल जितना अधिक प्राप्तांक होगा, क्षमता का अनुमान उतना ही अधिक होता है। कुल अंकों का क्षमता अनुमानों के मध्य कोई रैखिक संबंध नहीं है। किन्तु संबंध अ-रैखिक है जैसा कि चित्र 1 में प्रदर्शित किया गया है। कुल प्राप्तांक ऊर्ध्वाधर अक्ष पर प्रदर्शित किया गया है, जबकि संबंधित व्यक्तित्व स्थान का अनुमान क्षैतिज अक्ष पर प्रदर्शित किया गया है। उस विशेष परीक्षण के लिए जिस पर चित्र 1 में प्रदर्शित किया गया परीक्षण विशेषता वक्र (टीसीसी) आधारित है, कुल प्राप्तांक की सीमा में साधारणतया 13 से 31 तक का संबंध साधारणतया रैखिक है। इस उदाहरण की तरह टीसीसी का आकार सामान्यतः किंचित तक [[सिग्मॉइड फ़ंक्शन|सिग्मॉइड (अवग्रह) कार्य]] जैसा होता है। चूंकि कुल प्राप्तांक और व्यक्तित्व स्थान अनुमान के मध्य स्पष्ट संबंध परीक्षण में मदों के वितरण पर निर्भर करता है। टीसीसी सातत्य पर श्रेणियों में तीव्र है जिसमें अधिक इकाई हैं, जैसे कि आंकड़े 1 और 2 में 0 के दोनों ओर की सीमा में है।
-रैश आदर्श  को लागू करने में, नीचे वर्णित विधियों के आधार पर, विषय स्थानों को अक्सर पहले स्केल किया जाता है। स्केलिंग की प्रक्रिया के इस भाग को अक्सर विषय अंशांकन के रूप में जाना जाता है। शैक्षिक परीक्षणों में, सही प्रतिक्रियाओं का अनुपात जितना छोटा होगा, किसी विषय की कठिनाई उतनी ही अधिक होगी और इसलिए विषय का स्केल स्थान उतना ही अधिक होगा। एक बार जब विषय स्थानों को स्केल किया जाता है, तो व्यक्तिगत स्थानों को स्केल पर मापा जाता है। परिणामस्वरूप, व्यक्ति और वस्तु के स्थानों का अनुमान एक ही पैमाने पर लगाया जाता है जैसा चित्र 2 में दिखाया गया है।
+रैश आदर्श को क्रियान्वित करने में नीचे वर्णित विधियों के आधार पर इकाई स्थानों को अधिकांशतः सर्व-प्रथम मापन किया जाता है। प्रवर्धन की प्रक्रिया के इस भाग को अधिकांशतः इकाई अंशांकन के रूप में जाना जाता है। शैक्षिक परीक्षणों में उचित प्रतिक्रियाओं का अनुपात जितना अल्प होगा, किसी इकाई की समस्या उतनी ही अधिक होगी और इसलिए इकाई का मापन स्थान उतना ही अधिक होता है। एक बार जब इकाई स्थानों को मापन किया जाता है, तब व्यक्तित्वगत स्थानों को मापन पर मापा जाता है। परिणामस्वरूप, व्यक्तित्व और मद के स्थानों का अनुमान एक ही मापदंडो पर लगाया जाता है जैसा चित्र 2 में प्रदर्शित गया है।
-===पैमाने के स्थानों की व्याख्या करना===
+===मापदंडो के स्थानों की व्याख्या करना===
-[[Image:PersItm.PNG|thumb|410px|left|चित्र 2: एक पैमाने पर व्यक्ति वितरण (ऊपर) और वस्तु वितरण (नीचे) के हिस्टोग्राम दिखाने वाला ग्राफ़]]सही/गलत उत्तर जैसे द्विभाजित डेटा के लिए, परिभाषा के अनुसार, पैमाने पर किसी विषय का स्थान उस व्यक्ति के स्थान से मेल खाता है जिस पर प्रश्न के सही उत्तर की 0.5 संभावना है। सामान्य तौर पर, किसी व्यक्ति द्वारा उस व्यक्ति के स्थान से कम कठिनाई वाले प्रश्न का सही उत्तर देने की संभावना 0.5 से अधिक होती है, जबकि उस व्यक्ति के स्थान से अधिक कठिनाई वाले प्रश्न का सही उत्तर देने की संभावना 0.5 से कम होती है। विषय कैरेक्टरिस्टिक कर्व (आईसीसी) या विषय रिस्पांस फंक्शन (आईआरएफ) व्यक्तियों की क्षमता के कार्य के रूप में सही प्रतिक्रिया की संभावना को दर्शाता है। इस लेख में चित्र 4 के संबंध में एक एकल आईसीसी को अधिक विस्तार से दिखाया और समझाया गया है (विषय रिस्पांस थ्योरी#विषय रिस्पांस फ़ंक्शन भी देखें)। चित्र 3 में सबसे बाईं ओर वाली आईसीसी सबसे आसान विषय हैं, उसी आकृति में सबसे दाईं ओर वाली आईसीसी सबसे कठिन विषय हैं।
+[[Image:PersItm.PNG|thumb|410px|left|चित्र 2: मापदंडो पर व्यक्तित्व वितरण (ऊपर) और मद वितरण (नीचे) के आयतचित्र दिखाने वाला रेखा चित्र]]परिभाषा के अनुसार सही/त्रुटिपूर्ण उत्तर जैसे द्विभाजित डेटा के लिए पैमाने पर किसी आइटम का स्थान उस व्यक्ति के स्थान के समरूप होता है जिस पर प्रश्न के उचित उत्तर की 0.5 संभावना है। सामान्यतः किसी व्यक्तित्व के माध्यम से उस व्यक्तित्व के स्थान से अल्प समस्या वाले प्रश्न का उचित उत्तर देने की संभावना 0.5 से अधिक होती है, जबकि उस व्यक्तित्व के स्थान से अधिक समस्या वाले प्रश्न का उचित उत्तर देने की संभावना 0.5 से अल्प होती है। इकाई विशेषता वक्र (आईसीसी) या इकाई प्रतिक्रिया कार्य (आईआरएफ) व्यक्तित्व की क्षमता के कार्य के रूप में उचित प्रतिक्रिया की संभावना को दर्शाता है। इस लेख में चित्र 4 के संबंध में एकल आईसीसी को अधिक विस्तार से प्रदर्शित और प्रदर्शित किया गया है (इकाई प्रतिक्रिया सिद्धांत भी देखें)। चित्र 3 में अत्यंत बाईं ओर वाली आईसीसी अत्यंत सरल इकाई हैं, उसी आकृति में अत्यंत दाईं ओर वाली आईसीसी अत्यंत कठिन इकाई हैं।
-जब किसी व्यक्ति की प्रतिक्रियाओं को विषय की कठिनाई के अनुसार निम्नतम से उच्चतम तक क्रमबद्ध किया जाता है, तो सबसे संभावित पैटर्न [[गुटमैन स्केल]] या वेक्टर होता है; यानी {1,1,...,1,0,0,0,...,0}। हालाँकि, जबकि यह पैटर्न रैश आदर्श  की संरचना को देखते हुए सबसे अधिक संभावित है, आदर्श  को केवल संभाव्य गुटमैन प्रतिक्रिया पैटर्न की आवश्यकता होती है; अर्थात्, ऐसे पैटर्न जो गुटमैन पैटर्न की ओर प्रवृत्त होते हैं। प्रतिक्रियाओं का पैटर्न के अनुरूप होना असामान्य है क्योंकि कई संभावित पैटर्न हैं। डेटा को रैश आदर्श  में फिट करने के लिए प्रतिक्रियाओं का पैटर्न के अनुरूप होना अनावश्यक है।
+जब किसी व्यक्तित्व की प्रतिक्रियाओं को इकाई की समस्या के अनुसार निम्नतम से उच्चतम तक क्रमबद्ध किया जाता है, तब अत्यंत संभावित स्वरूप[[गुटमैन स्केल|गुटमैन मापन]] या सदिश होता है; अर्थात {1,1,...,1,0,0,0,...,0} है। चूंकि, यह स्वरूप रैश आदर्श की संरचना को देखते हुए अत्यंत अधिक संभावित है, आदर्श को मात्र संभाव्य गुटमैन प्रतिक्रिया स्वरूप की आवश्यकता होती है अर्थात्, ऐसे स्वरूप जो गुटमैन स्वरूप की ओर प्रवृत्त होते हैं। प्रतिक्रियाओं का स्वरूप के अनुरूप होना असामान्य है क्योंकि अनेक संभावित स्वरूप हैं। डेटा को रैश आदर्श में योग्य करने के लिए प्रतिक्रियाओं का स्वरूप के अनुरूप होना अनावश्यक है।
-[[Image:ICCs prog.png|thumb|380px|right|चित्र 3: कई वस्तुओं के लिए आईसीसी। ऊर्ध्वाधर रेखा पर क्षमता स्थान वाले व्यक्ति के लिए सफल प्रतिक्रिया की संभावना में परिवर्तन को उजागर करने के लिए आईसीसी को रंगीन किया जाता है। व्यक्ति द्वारा सबसे आसान वस्तुओं (बाईं ओर और निचले वक्रों के स्थानों के साथ) पर सही ढंग से प्रतिक्रिया देने की संभावना है और कठिन वस्तुओं (दाईं ओर और निचले वक्रों के स्थानों के साथ) पर सही ढंग से प्रतिक्रिया देने की संभावना नहीं है।]]प्रत्येक क्षमता अनुमान में माप की एक संबद्ध मानक त्रुटि होती है, जो क्षमता अनुमान से जुड़ी अनिश्चितता की डिग्री निर्धारित करती है। विषय अनुमानों में मानक त्रुटियाँ भी हैं। आम तौर पर, विषय अनुमानों की मानक त्रुटियां व्यक्ति अनुमानों की मानक त्रुटियों से काफी छोटी होती हैं क्योंकि आमतौर पर किसी व्यक्ति की तुलना में किसी विषय के लिए अधिक प्रतिक्रिया डेटा होता है। अर्थात्, किसी दिए गए विषय का प्रयास करने वाले लोगों की संख्या आमतौर पर किसी दिए गए व्यक्ति द्वारा प्रयास किए गए विषय की संख्या से अधिक होती है। जहां आईसीसी का ढलान अधिक होता है, वहां व्यक्ति अनुमान की मानक त्रुटियां छोटी होती हैं, जो आम तौर पर एक परीक्षण में स्कोर की मध्य सीमा के माध्यम से होती है। इस प्रकार, इस सीमा में अधिक सटीकता है क्योंकि ढलान जितना अधिक होगा, रेखा पर किन्हीं दो बिंदुओं के बीच अंतर उतना ही अधिक होगा।
+[[Image:ICCs prog.png|thumb|380px|right|चित्र 3: अनेक मदों के लिए आईसीसी। ऊर्ध्वाधर रेखा पर क्षमता स्थान वाले व्यक्तित्व के लिए सफल प्रतिक्रिया की संभावना में परिवर्तन को प्रदर्शित करने के लिए आईसीसी को रंगीन किया जाता है। व्यक्तित्व के माध्यम से अत्यंत सरल मदों (बाईं ओर और निचले वक्रों के स्थानों के मध्य ) पर उचित रूप से प्रतिक्रिया देने की संभावना है एवं कठिन मदों (दाईं ओर और निचले वक्रों के स्थानों के मध्य ) पर उचित रूप से प्रतिक्रिया देने की संभावना नहीं है।]]प्रत्येक क्षमता अनुमान में माप की संबद्ध मानक त्रुटि होती है, जो क्षमता अनुमान से जुड़ी अनिश्चितता की उपाधि निर्धारित करती है। इकाई अनुमानों में मानक त्रुटियाँ भी हैं। सामान्यतः, इकाई अनुमानों की मानक त्रुटियां व्यक्तित्व अनुमानों की मानक त्रुटियों से अधिक अल्पतर होती हैं क्योंकि सामान्यतः किसी व्यक्तित्व की मिलान में किसी इकाई के लिए अधिक प्रतिक्रिया डेटा होता है। अर्थात् किसी दिए गए इकाई का प्रयास करने वाले समाज की संख्या सामान्यतः किसी दिए गए व्यक्तित्व के माध्यम से प्रयास किए गए इकाई की संख्या से अधिक होती है। जिस स्थान पर आईसीसी का ढलान अधिक होता है, वहां व्यक्तित्व अनुमान की मानक त्रुटियां अल्पतर होती हैं, जो सामान्यतः परीक्षण में प्राप्तांक की मध्य सीमा के माध्यम से होती है। इस प्रकार इस सीमा में अधिक स्पष्ट है क्योंकि ढलान जितना अधिक होगा, रेखा पर किसी दो बिंदुओं के मध्य अंतर उतना ही अधिक होता है।
-आदर्श  के साथ डेटा के पत्राचार का मूल्यांकन करने के लिए सांख्यिकीय और ग्राफिकल परीक्षणों का उपयोग किया जाता है। कुछ परीक्षण वैश्विक होते हैं, जबकि अन्य विशिष्ट वस्तुओं या लोगों पर ध्यान केंद्रित करते हैं। फिट के कुछ परीक्षण इस बारे में जानकारी प्रदान करते हैं कि किन वस्तुओं का उपयोग खराब वस्तुओं के साथ समस्याओं को छोड़कर या सही करके परीक्षण की [[विश्वसनीयता (सांख्यिकी)]] को बढ़ाने के लिए किया जा सकता है। रैश मापन में विश्वसनीयता सूचकांकों के स्थान पर व्यक्ति पृथक्करण सूचकांक का उपयोग किया जाता है। हालाँकि, व्यक्ति पृथक्करण सूचकांक विश्वसनीयता सूचकांक के समान है। पृथक्करण सूचकांक माप त्रुटि सहित पृथक्करण के अनुपात के रूप में वास्तविक पृथक्करण का सारांश है। जैसा कि पहले उल्लेख किया गया है, माप त्रुटि का स्तर एक परीक्षण की सीमा में एक समान नहीं है, लेकिन आम तौर पर अधिक चरम स्कोर (कम और उच्च) के लिए बड़ा होता है।
+आदर्श के मध्य डेटा के पत्राचार का मूल्यांकन करने के लिए सांख्यिकीय और चित्रमय परीक्षणों का उपयोग किया जाता है। अल्प परीक्षण वैश्विक होते हैं, और अन्य विशिष्ट मदों या समाज पर विचार केंद्रित करते हैं। योग्य के अल्प परीक्षण इस विषय में सूचना प्रदान करते हैं कि किन मदों का उपयोग अनुपयुक्त मदों के मध्य समस्याओं को प्रथक या सही करके परीक्षण की [[विश्वसनीयता (सांख्यिकी)]] को वृद्धि के लिए किया जा सकता है। रैश मापन में विश्वसनीयता सूचकांकों के स्थान पर व्यक्तित्व पृथक्करण सूचकांक का उपयोग किया जाता है। चूंकि व्यक्तित्व पृथक्करण सूचकांक विश्वसनीयता सूचकांक के समान है। पृथक्करण सूचकांक माप त्रुटि सहित पृथक्करण के अनुपात के रूप में वास्तविक पृथक्करण का सारांश है। जैसा कि सर्व-प्रथम उल्लेख किया गया है, माप त्रुटि का स्तर परीक्षण की सीमा में समान नहीं है, किन्तु सामान्यतः अधिक अत्यंतता प्राप्तांक (अल्प और उच्च) के लिए महत्त्वपूर्ण होता है।
-==रैश आदर्श  की विशेषताएं==
+==रैश आदर्श की विशेषताएं==
-आदर्श ों के वर्ग का नाम डेनिश गणितज्ञ और सांख्यिकीविद् जॉर्ज रैश के नाम पर रखा गया है, जिन्होंने भौतिकी में माप की मुख्य आवश्यकता के साथ उनकी अनुरूपता के आधार पर आदर्श ों के लिए ज्ञानमीमांसा के मामले को आगे बढ़ाया; अर्थात् अपरिवर्तनीय तुलना की आवश्यकता।<ref name="Rasch1960" />यह आदर्श ों के वर्ग की परिभाषित विशेषता है, जैसा कि निम्नलिखित अनुभाग में विस्तार से बताया गया है। द्विभाजित डेटा के लिए रैश आदर्श  का तुलनात्मक निर्णय के नियम (एलसीजे) के साथ घनिष्ठ वैचारिक संबंध है, यह एक आदर्श  है जिसे एल. एल. थर्स्टन द्वारा बड़े पैमाने पर तैयार और उपयोग किया जाता है।<ref>Thurstone, L. L. (1927). A law of comparative judgment. Psychological Review, 34(4), 273.</ref><ref>{{cite journal | last=Luce | first=R. Duncan | title=Thurstone and sensory scaling: Then and now. | journal=Psychological Review | publisher=American Psychological Association (APA) | volume=101 | issue=2 | year=1994 | issn=0033-295X | doi=10.1037/0033-295x.101.2.271 | pages=271–277}}</ref> और इसलिए थर्स्टन पैमाने पर भी।<ref>Andrich, D. (1978b).  Relationships between the Thurstone and Rasch approaches to item scaling.  ''Applied Psychological Measurement'', 2, 449–460.</ref>
+आदर्श के वर्ग का नाम डेनिश गणितज्ञ और सांख्यिकीविद् जॉर्ज रैश के नाम पर रखा गया है, जिन्होंने भौतिकी में माप की मुख्य आवश्यकता अर्थात् अपरिवर्तनीय मिलान की आवश्यकता के मध्य उनकी अनुरूपता के आधार पर आदर्श के लिए ज्ञान का सिद्धांत के स्थितियों को अग्रिम किया है।<ref name="Rasch1960" /> यह आदर्श के वर्ग की परिभाषित विशेषता है, जैसा कि निम्नलिखित अनुभाग में विस्तार से बताया गया है। द्विभाजित डेटा के लिए रैश आदर्श का तुलनात्मक निर्णय के नियम से घनिष्ठ वैचारिक संबंध है। (एलसीजे) आदर्श है जिसे एल. एल. थर्स्टन के माध्यम से उच्चतर मापदंडो पर निर्मित और उपयोग किया जाता है।<ref>Thurstone, L. L. (1927). A law of comparative judgment. Psychological Review, 34(4), 273.</ref><ref>{{cite journal | last=Luce | first=R. Duncan | title=Thurstone and sensory scaling: Then and now. | journal=Psychological Review | publisher=American Psychological Association (APA) | volume=101 | issue=2 | year=1994 | issn=0033-295X | doi=10.1037/0033-295x.101.2.271 | pages=271–277}}</ref> और इसलिए थर्स्टन मापदंडो पर भी उपयोग किया जाता है।<ref>Andrich, D. (1978b).  Relationships between the Thurstone and Rasch approaches to item scaling.  ''Applied Psychological Measurement'', 2, 449–460.</ref>
-माप आदर्श  पेश करने से पहले, जिसके लिए वह सबसे ज्यादा जाने जाते हैं, रैश ने माप आदर्श  के रूप में डेटा को पढ़ने के लिए पॉइसन वितरण को लागू किया था, यह परिकल्पना करते हुए कि प्रासंगिक अनुभवजन्य संदर्भ में, किसी दिए गए व्यक्ति द्वारा की गई त्रुटियों की संख्या के अनुपात से नियंत्रित होती थी। व्यक्ति की पढ़ने की क्षमता में पाठ्य कठिनाई। रैश ने इस आदर्श  को गुणक पॉइसन आदर्श  के रूप में संदर्भित किया। द्विभाजित डेटा के लिए रैश का आदर्श  - यानी जहां प्रतिक्रियाओं को दो श्रेणियों में वर्गीकृत किया जा सकता है - उनका सबसे व्यापक रूप से ज्ञात और उपयोग किया जाने वाला आदर्श  है, और यहां मुख्य फोकस है। इस आदर्श  में एक साधारण लॉजिस्टिक फ़ंक्शन का रूप है।
-उपरोक्त संक्षिप्त रूपरेखा सामाजिक माप पर रैश के परिप्रेक्ष्य की कुछ विशिष्ट और परस्पर संबंधित विशेषताओं पर प्रकाश डालती है, जो इस प्रकार हैं:
+माप आदर्श प्रस्तुत करने से सर्व-प्रथम जिसके लिए वह अत्यंत अधिक जाने जाते हैं। रैश ने माप आदर्श के रूप में डेटा को अध्ययन के लिए पॉइसन वितरण को क्रियान्वित किया था, यह परिकल्पना करते हुए कि प्रासंगिक अनुभार संदर्भ में किसी दिए गए व्यक्तित्व के माध्यम से की गई त्रुटियों की संख्या के अनुपात से नियंत्रित होती थी। व्यक्तित्व की अध्ययन की क्षमता में पाठ्य समस्या, रैश ने इस आदर्श को गुणक पॉइसन आदर्श के रूप में संदर्भित किया है। द्विभाजित डेटा के लिए रैश का आदर्श - अर्थात जिस स्थान पर प्रतिक्रियाओं को दो श्रेणियों में वर्गीकृत किया जा सकता है, उनका अत्यंत व्यापक रूप से ज्ञात और उपयोग किया जाने वाला आदर्श है, और यह मुख्य बिंदु है। इस आदर्श में साधारण तार्किक कार्य का रूप है।
-# वह आबादी के बीच वितरण के बजाय मुख्य रूप से व्यक्तियों के माप से चिंतित थे।
+उपरोक्त संक्षिप्त रूपरेखा सामाजिक माप पर रैश के परिप्रेक्ष्य की अल्प विशिष्ट और परस्पर संबंधित विशेषताओं पर प्रकाश डालती है जो इस प्रकार हैं:
-# वह भौतिकी से प्राप्त माप के लिए प्राथमिक आवश्यकताओं को पूरा करने के लिए एक आधार स्थापित करने के बारे में चिंतित थे और परिणामस्वरूप, उन्होंने जनसंख्या में किसी विशेषता के स्तर के वितरण के बारे में कोई धारणा नहीं बनाई।
-# रैश का दृष्टिकोण स्पष्ट रूप से मानता है कि यह एक वैज्ञानिक परिकल्पना है कि एक दिया गया गुण मात्रात्मक और मापने योग्य दोनों है, जैसा कि एक विशेष प्रयोगात्मक संदर्भ में क्रियान्वित किया गया है।
-इस प्रकार, [[थॉमस कुह्न]] द्वारा अपने 1961 के पेपर द आधुनिक भौतिक विज्ञान में माप के कार्य में व्यक्त परिप्रेक्ष्य के अनुरूप, माप को सिद्धांत में स्थापित होने के साथ-साथ व्यापक सैद्धांतिक ढांचे से संबंधित परिकल्पनाओं के साथ असंगत मात्रात्मक विसंगतियों का पता लगाने में सहायक माना गया था। .<ref>{{cite journal | last=Kuhn | first=Thomas S. | title=आधुनिक भौतिक विज्ञान में मापन का कार्य| journal=Isis | publisher=University of Chicago Press | volume=52 | issue=2 | year=1961 | issn=0021-1753 | doi=10.1086/349468 | pages=161–193| s2cid=144294881 }}</ref> यह परिप्रेक्ष्य आम तौर पर सामाजिक विज्ञानों में प्रचलित परिप्रेक्ष्य के विपरीत है, जिसमें परीक्षण स्कोर जैसे डेटा को माप के लिए सैद्धांतिक आधार की आवश्यकता के बिना सीधे माप के रूप में माना जाता है। यद्यपि यह विरोधाभास मौजूद है, रैश का परिप्रेक्ष्य वास्तव में सांख्यिकीय विश्लेषण या प्रतिरूपण  के उपयोग का पूरक है जिसके लिए अंतराल-स्तरीय माप की आवश्यकता होती है, क्योंकि रैश आदर्श  को लागू करने का उद्देश्य ऐसे माप प्राप्त करना है। रैश आदर्श  के अनुप्रयोगों का वर्णन विभिन्न प्रकार के स्रोतों में किया गया है।<ref>Sources include
+# वह जन समुदाय के मध्य वितरण के अतिरिक्त मुख्य रूप से व्यक्तित्व के माप से चिंतित थे।
+# वह भौतिकी से प्राप्त माप के लिए प्राथमिक आवश्यकताओं को पूर्ण करने के लिए आधार स्थापित करने के विषय में चिंतित थे और परिणामस्वरूप उन्होंने जन समुदाय में किसी विशेषता के स्तर के वितरण के विषय में कोई धारणा नहीं बनाई है।
+# रैश का दृष्टिकोण स्पष्ट रूप से मानता है कि यह वैज्ञानिक परिकल्पना है कि प्रस्तुत किया गया गुण मात्रात्मक और मापने योग्य दोनों है, जैसा कि विशेष प्रयोगात्मक संदर्भ में क्रियान्वित किया गया है।
+इस प्रकार [[थॉमस कुह्न]] के माध्यम से अपने 1961 के प्रपत्र आधुनिक भौतिक विज्ञान में माप के कार्य में व्यक्त परिप्रेक्ष्य के अनुरूप, माप को सिद्धांत में स्थापित होने के मध्य व्यापक सैद्धांतिक तंत्र से संबंधित परिकल्पनाओं के मध्य असंगत मात्रात्मक विसंगतियों का ज्ञात करने में सहायक माना गया था।<ref>{{cite journal | last=Kuhn | first=Thomas S. | title=आधुनिक भौतिक विज्ञान में मापन का कार्य| journal=Isis | publisher=University of Chicago Press | volume=52 | issue=2 | year=1961 | issn=0021-1753 | doi=10.1086/349468 | pages=161–193| s2cid=144294881 }}</ref> यह परिप्रेक्ष्य सामान्यतः सामाजिक विज्ञानों में प्रचलित परिप्रेक्ष्य के विपरीत है, जिसमें परीक्षण प्राप्तांक जैसे डेटा को माप के लिए सैद्धांतिक आधार की आवश्यकता के रहित प्रत्यक्ष रूप से माप के रूप में माना जाता है। यद्यपि यह विरोधाभास उपस्थित है, रैश का परिप्रेक्ष्य वास्तव में सांख्यिकीय विश्लेषण या प्रतिरूपण के उपयोग का पूरक है जिसके लिए अंतराल-स्तरीय माप की आवश्यकता होती है, क्योंकि रैश आदर्श को क्रियान्वित करने का उद्देश्य ऐसे माप प्राप्त करना है। रैश आदर्श के अनुप्रयोगों का वर्णन विभिन्न प्रकार के स्रोतों में किया गया है।<ref>Sources include
 *Alagumalai, S., Curtis, D.D. & Hungi, N. (2005). ''Applied Rasch Measurement: A book of exemplars''. Springer-Kluwer.
 *Bezruczko, N. (Ed.). (2005). ''Rasch measurement in health sciences''. Maple Grove, MN: JAM Press.
 *Bond, T.G. & Fox, C.M. (2007). ''Applying the Rasch Model: Fundamental measurement in the human sciences''. 2nd edn. Lawrence Erlbaum.
 *{{cite journal | last=Burro | first=Roberto | title=To be objective in Experimental Phenomenology: a Psychophysics application | journal=SpringerPlus | publisher=Springer Science and Business Media LLC | volume=5 | issue=1 | date=5 October 2016 | issn=2193-1801 | doi=10.1186/s40064-016-3418-4 | doi-access=free | page=1720 | pmid=27777856 | pmc=5052248 }}
@@ Line 49: / Line 49: @@
 *Masters, G. N., & Keeves, J. P. (Eds.). (1999). ''Advances in measurement in educational research and assessment''. New York: Pergamon.
 *''Journal of Applied Measurement''</ref>
+===अपरिवर्तनीय मिलान और पर्याप्तता===
+द्विभाजित डेटा के लिए रैश आदर्श को अधिकांशतः एक इकाई मापदंड के मध्य [[आइटम प्रतिक्रिया सिद्धांत|इकाई प्रतिक्रिया सिद्धांत]] (आईआरटी) आदर्श के रूप में माना जाता है। चूंकि विशेष आईआरटी आदर्श होने के अतिरिक्त, आदर्श के प्रस्तावक है<ref>Bond, T.G. & Fox, C.M. (2007). ''Applying the Rasch Model: Fundamental measurement in the human sciences''. 2nd Edn. Lawrence Erlbaum. Page 265</ref> यह ऐसे आदर्श के रूप में ज्ञात है जिसमें ऐसी अधिकार है जो इसे अन्य आईआरटी आदर्श से प्रथक करती है। विशेष रूप से रैश आदर्श की परिभाषित अधिकार अपरिवर्तनीय मिलान के सिद्धांत का उनका औपचारिक या गणितीय अवतार है। रैश ने अपरिवर्तनीय मिलान के सिद्धांत को इस प्रकार संक्षेप में प्रस्तुत किया है :
-===अपरिवर्तनीय तुलना और पर्याप्तता===
+:दो प्रोत्साहन के मध्य मिलान इस बात से स्वतंत्र होनी चाहिए कि कौन से विशेष व्यक्तित्व मिलान के लिए सहायक थे; और यह इस बात से भी स्वतंत्र होना चाहिए कि विचारित वर्ग के अन्दर किन अन्य प्रोत्साहन की मिलान की गई थी या हो सकती है।
+:सममित रूप से, दो व्यक्तित्व के मध्य मिलान इस बात से स्वतंत्र होनी चाहिए कि विचार किए गए वर्ग के अन्दर कौन सी विशेष प्रोत्साहन मिलान के लिए सहायक थीं; और यह इस बात से भी स्वतंत्र होना चाहिए कि उसी या किसी अन्य स्थिति पर अन्य व्यक्तित्व की भी मिलान की गई थी।<ref>Rasch, G. (1961). On general laws and the meaning of measurement in psychology, pp.&nbsp;321–334 in ''Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability'', IV. Berkeley, California: University of California Press. Available free from [http://projecteuclid.org/DPubS?verb=Display&version=1.0&service=UI&handle=euclid.bsmsp/1200512895&page=record Project Euclid]</ref>
-द्विभाजित डेटा के लिए रैश आदर्श  को अक्सर एक विषय पैरामीटर के साथ [[आइटम प्रतिक्रिया सिद्धांत|विषय प्रतिक्रिया सिद्धांत]] (आईआरटी) आदर्श  के रूप में माना जाता है। हालाँकि, एक विशेष आईआरटी आदर्श  होने के बजाय, आदर्श  के प्रस्तावक<ref>Bond, T.G. & Fox, C.M. (2007). ''Applying the Rasch Model: Fundamental measurement in the human sciences''. 2nd Edn. Lawrence Erlbaum. Page 265</ref> इसे एक ऐसे आदर्श  के रूप में मानें जिसमें ऐसी संपत्ति है जो इसे अन्य आईआरटी आदर्श  से अलग करती है। विशेष रूप से, रैश आदर्श  की परिभाषित संपत्ति अपरिवर्तनीय तुलना के सिद्धांत का उनका औपचारिक या गणितीय अवतार है। रैश ने अपरिवर्तनीय तुलना के सिद्धांत को इस प्रकार संक्षेप में प्रस्तुत किया:
+रश आदर्श इस सिद्धांत को ग्रहण करते हैं क्योंकि उनकी औपचारिक संरचना व्यक्तित्व और इकाई मापदंडों के बीजगणितीय पृथक्करण की अनुमति देती है, इस अर्थ में कि इकाई मापदंडों के [[सांख्यिकीय अनुमान]] की प्रक्रिया के समय व्यक्तित्व [[पैरामीटर|मापदंड]] को समाप्त किया जा सकता है। यह परिणाम प्रतिबंधात्मक अधिकतम संभावना अनुमान के उपयोग के माध्यम से प्राप्त किया जाता है, जिसमें प्रतिक्रिया स्थान को व्यक्तित्व के कुल प्राप्तांक के अनुसार विभाजित किया जाता है। इसका परिणाम यह होता है कि किसी मद या व्यक्तित्व के लिए अपरिपक्व प्राप्तांक उस मद या व्यक्तित्व मापदंड के लिए [[पर्याप्त आँकड़ा]] होता है। वर्णन का तात्पर्य यह है कि, व्यक्तित्व के कुल प्राप्तांक में व्यक्तित्व के विषय में निर्दिष्ट संदर्भ में उपलब्ध समस्त सूचना सम्मिलित होती है, और इकाई के कुल प्राप्तांक में संबंधित अव्यक्त विशेषता के संबंध में इकाई के संबंध में समस्त सूचना सम्मिलित होती है। रैश आदर्श को प्रतिक्रिया डेटा में विशिष्ट संरचना अर्थात् संभाव्य गुटमैन संरचना की आवश्यकता होती है।
-:दो उत्तेजनाओं के बीच तुलना इस बात से स्वतंत्र होनी चाहिए कि कौन से विशेष व्यक्ति तुलना के लिए सहायक थे; और यह इस बात से भी स्वतंत्र होना चाहिए कि विचारित वर्ग के भीतर किन अन्य उत्तेजनाओं की तुलना की गई थी या की गई होगी।
-:सममित रूप से, दो व्यक्तियों के बीच तुलना इस बात से स्वतंत्र होनी चाहिए कि विचार किए गए वर्ग के भीतर कौन सी विशेष उत्तेजनाएं तुलना के लिए सहायक थीं; और यह इस बात से भी स्वतंत्र होना चाहिए कि उसी या किसी अन्य अवसर पर अन्य व्यक्तियों की भी तुलना की गई थी।<ref>Rasch, G. (1961). On general laws and the meaning of measurement in psychology, pp.&nbsp;321–334 in ''Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability'', IV. Berkeley, California: University of California Press. Available free from [http://projecteuclid.org/DPubS?verb=Display&version=1.0&service=UI&handle=euclid.bsmsp/1200512895&page=record Project Euclid]</ref>
-रश आदर्श  इस सिद्धांत को अपनाते हैं क्योंकि उनकी औपचारिक संरचना व्यक्ति और विषय मापदंडों के बीजगणितीय पृथक्करण की अनुमति देती है, इस अर्थ में कि विषय मापदंडों के [[सांख्यिकीय अनुमान]] की प्रक्रिया के दौरान व्यक्ति [[पैरामीटर]] को समाप्त किया जा सकता है। यह परिणाम सशर्त अधिकतम संभावना अनुमान के उपयोग के माध्यम से प्राप्त किया जाता है, जिसमें प्रतिक्रिया स्थान को व्यक्ति के कुल स्कोर के अनुसार विभाजित किया जाता है। इसका परिणाम यह होता है कि किसी वस्तु या व्यक्ति के लिए कच्चा स्कोर उस वस्तु या व्यक्ति पैरामीटर के लिए [[पर्याप्त आँकड़ा]] होता है। कहने का तात्पर्य यह है कि, व्यक्ति के कुल स्कोर में व्यक्ति के बारे में निर्दिष्ट संदर्भ में उपलब्ध सभी जानकारी शामिल होती है, और विषय के कुल स्कोर में संबंधित अव्यक्त विशेषता के संबंध में विषय के संबंध में सभी जानकारी शामिल होती है। रैश आदर्श  को प्रतिक्रिया डेटा में एक विशिष्ट संरचना की आवश्यकता होती है, अर्थात् एक संभाव्य गुटमैन स्केल संरचना।
-कुछ अधिक परिचित शब्दों में, रैश आदर्श  मूल्यांकन पर कुल अंकों से सातत्य पर व्यक्ति स्थान प्राप्त करने के लिए एक आधार और औचित्य प्रदान करते हैं। हालाँकि कुल अंकों को सीधे माप के रूप में मानना असामान्य नहीं है, वे वास्तव में माप के बजाय अलग-अलग अवलोकनों की गिनती हैं। प्रत्येक अवलोकन किसी व्यक्ति और वस्तु के बीच तुलना के अवलोकन योग्य परिणाम का प्रतिनिधित्व करता है। इस तरह के परिणाम सीधे तौर पर एक दिशा या किसी अन्य दिशा में तराजू #संतुलन के झुकने के अवलोकन के अनुरूप होते हैं। यह अवलोकन इंगित करेगा कि एक या अन्य वस्तु का द्रव्यमान अधिक है, लेकिन ऐसे अवलोकनों की गणना को सीधे माप के रूप में नहीं माना जा सकता है।
+अल्प अधिक परिचित शब्दों में, रैश आदर्श मूल्यांकन पर कुल अंकों से सातत्य पर व्यक्तित्व स्थान प्राप्त करने के लिए आधार और औचित्य प्रदान करते हैं। चूंकि कुल अंकों को प्रत्यक्ष रूप से माप के रूप में मानना असामान्य नहीं है, वह वास्तव में माप के अतिरिक्त प्रथक अवलोकनों की गणना हैं। प्रत्येक अवलोकन किसी व्यक्तित्व और मद के मध्य मिलान के अवलोकन योग्य परिणाम का प्रतिनिधित्व करता है। इस प्रकार के परिणाम प्रत्यक्ष रूप से दिशा या किसी अन्य दिशा में माप संतुलन के अवलोकन के अनुरूप होते हैं। यह अवलोकन इंगित करता है कि एक या अन्य मद का द्रव्यमान अधिक है, किन्तु ऐसे अवलोकनों की गणना को प्रत्यक्ष रूप से माप के रूप में नहीं माना जा सकता है।
-रैश ने बताया कि अपरिवर्तनीय तुलना का सिद्धांत भौतिकी में माप की विशेषता है, उदाहरण के तौर पर, दो-तरफा प्रयोगात्मक संदर्भ फ्रेम जिसमें प्रत्येक उपकरण [[त्वरण]] उत्पन्न करने के लिए ठोस निकायों पर [[यांत्रिकी]] बल लगाता है। रैश<ref name="Rasch1960"/>{{rp|112–3}}इस संदर्भ में कहा गया है: आम तौर पर: यदि किन्हीं दो वस्तुओं के लिए हम एक उपकरण द्वारा उत्पन्न उनके त्वरणों का एक निश्चित अनुपात पाते हैं, तो वही अनुपात किसी अन्य उपकरण के लिए भी पाया जाएगा। यह आसानी से दिखाया गया है कि न्यूटन का दूसरा नियम कहता है कि ऐसे अनुपात पिंडों के [[द्रव्यमान]] के अनुपात के व्युत्क्रमानुपाती होते हैं।
+रैश ने बताया कि अपरिवर्तनीय मिलान का सिद्धांत भौतिकी में माप की विशेषता है, उदाहरण के रूप मे द्‍वि पथी प्रयोगात्मक संदर्भ वृत्ति जिसमें प्रत्येक उपकरण [[त्वरण]] उत्पन्न करने के लिए ठोस निकायों पर [[यांत्रिकी]] बल स्थापित करता है।<ref name="Rasch1960"/> इस संदर्भ में कहा गया है: सामान्यतः: यदि किसी दो मदों के लिए हम उपकरण के माध्यम से उत्पन्न उनके त्वरणों का निश्चित अनुपात पाते हैं, तब वही अनुपात किसी अन्य उपकरण के लिए भी प्राप्त होता है। यह सहजता से प्रदर्शित गया है कि न्यूटन का द्वितीय नियम वर्णन करता है कि ऐसे अनुपात पिंडों के [[द्रव्यमान]] के अनुपात के व्युत्क्रमानुपाती होते हैं।
-==द्विभाजित डेटा के लिए रैश आदर्श  का गणितीय रूप==
+==द्विभाजित डेटा के लिए रैश आदर्श का गणितीय रूप==
-होने देना <math> X_{ni} = x \in \{0,1\} </math> एक द्विभाजित यादृच्छिक चर बनें, उदाहरण के लिए, <math> x = 1 </math> एक सही प्रतिक्रिया को दर्शाता है और <math> x = 0 </math> किसी दिए गए मूल्यांकन विषय के लिए गलत प्रतिक्रिया। द्विभाजित डेटा के लिए रैश आदर्श  में, परिणाम की संभावना <math> X_{ni} = 1 </math> द्वारा दिया गया है:
+मान लीजिए कि <math> X_{ni} = x \in \{0,1\} </math> द्विभाजित यादृच्छिक चर है, उदाहरण के रूप मे, <math> x = 1 </math> किसी दिए गए मूल्यांकन इकाई के लिए उचित प्रतिक्रिया और <math> x = 0 </math> त्रुटिपूर्ण प्रतिक्रिया को दर्शाता है। द्विभाजित डेटा के लिए रैश आदर्श में, परिणाम <math> X_{ni} = 1 </math> के माध्यम से प्रस्तुत किया गया है:
 :<math>
 \Pr \{X_{ni}=1\} =\frac{e^{{\beta_n} - {\delta_i}}}{1 + e^{{\beta_n} - {\delta_i}}},
 </math>
-कहाँ <math>\beta_n </math> व्यक्ति की क्षमता है <math> n </math> और <math> \delta_i </math> विषय की कठिनाई है <math> i </math>. इस प्रकार, एक द्विभाजित प्राप्ति मद के मामले में, <math> \Pr \{X_{ni}=1\} </math> संबंधित व्यक्ति और मूल्यांकन मद के बीच बातचीत पर सफलता की संभावना है। यह आसानी से दिखाया गया है कि आदर्श  के आधार पर किसी व्यक्ति द्वारा किसी विषय पर सही प्रतिक्रिया का लॉग [[कठिनाइयाँ]] या [[लॉगिट]] बराबर है <math>\beta_n - \delta_i</math>. अलग-अलग क्षमता मापदंडों वाले दो परीक्षार्थी दिए गए <math> \beta_1 </math> और <math> \beta_2 </math> और कठिनाई के साथ एक मनमाना विषय <math> \delta_i </math>, इन दोनों परीक्षार्थियों के लिए लॉग में अंतर की गणना करें <math>(\beta_1 - \delta_i)-(\beta_2 - \delta_i)</math>. ये फर्क हो जाता है <math> \beta_1 - \beta_2 </math>. इसके विपरीत, यह दिखाया जा सकता है कि एक ही व्यक्ति द्वारा एक विषय के लिए सही प्रतिक्रिया की लॉग संभावना, दो वस्तुओं में से किसी एक के लिए सही प्रतिक्रिया पर सशर्त, विषय स्थानों के बीच अंतर के बराबर है। उदाहरण के लिए,
+:
+जिस स्थान पर <math>\beta_n </math>व्यक्तित्व <math> n </math> की क्षमता है और <math> \delta_i </math> इकाई <math> i </math>.की समस्या है। इस प्रकार, द्विभाजित प्राप्ति मद के स्थितियों में, <math> \Pr \{X_{ni}=1\} </math> संबंधित व्यक्तित्व और मूल्यांकन मद के मध्य संवाद पर सफलता की संभावना है। यह सहजता से प्रदर्शित गया है कि आदर्श के आधार पर किसी व्यक्तित्व के माध्यम से किसी इकाई पर उचित प्रतिक्रिया का अभिलेख [[कठिनाइयाँ|समस्याएँ]] या [[लॉगिट|संबंध]] <math>\beta_n - \delta_i</math> के सामान्तर है। प्रथक-प्रथक क्षमता मापदंडों <math> \beta_1 </math> और <math> \beta_2 </math> वाले दो परीक्षकों और समस्या <math> \delta_i </math> के मध्य अनेैतिक इकाई दिए जाने पर इन दोनों परीक्षकों के लिए अभिलेख में अंतर की <math>(\beta_1 - \delta_i)-(\beta_2 - \delta_i)</math> से गणना करें। यह अंतर <math> \beta_1 - \beta_2 </math> हो जाता है। इसके विपरीत, यह प्रदर्शित किया जा सकता है कि एक ही व्यक्तित्व के माध्यम से एक इकाई के लिए उचित प्रतिक्रिया का अभिलेख [[कठिनाइयाँ|समस्याएँ]] या [[लॉगिट|संबंध]] दो मदों में से किसी एक के लिए उचित प्रतिक्रिया पर प्रतिबंधात्मक, इकाई स्थानों के मध्य अंतर के सामान्तर है। उदाहरण के रूप मे
 :<math>
 \operatorname{log-odds} \{X_{n1}=1 \mid \ r_n=1\} = \delta_2-\delta_1,\,
 </math>
-कहाँ <math>r_n</math> दो वस्तुओं पर व्यक्ति n का कुल स्कोर है, जो एक या अन्य वस्तुओं पर सही प्रतिक्रिया दर्शाता है।<ref name="Rasch1960"/><ref>Andersen, E.B. (1977).  Sufficient statistics and latent trait models, ''Psychometrika'', 42, 69–81.</ref><ref>Andrich, D. (2010). Sufficiency and conditional estimation of person parameters in the polytomous Rasch model. ''Psychometrika'', 75(2), 292-308.</ref> इसलिए, सशर्त लॉग ऑड्स में व्यक्ति पैरामीटर शामिल नहीं है <math>\beta_n</math>, जिसे कुल स्कोर पर कंडीशनिंग द्वारा समाप्त किया जा सकता है <math>r_n=1</math>. अर्थात्, कच्चे अंकों के अनुसार प्रतिक्रियाओं को विभाजित करके और सही प्रतिक्रिया की लॉग बाधाओं की गणना करके, एक अनुमान लगाया जाता है <math>\delta_2-\delta_1</math> की भागीदारी के बिना प्राप्त किया जाता है <math>\beta_n</math>. अधिक आम तौर पर, सशर्त अधिकतम संभावना अनुमान (राश आदर्श  अनुमान देखें) जैसी प्रक्रिया के अनुप्रयोग के माध्यम से कई विषय पैरामीटरों का पुनरावर्ती अनुमान लगाया जा सकता है। जबकि अधिक शामिल है, वही मौलिक सिद्धांत ऐसे अनुमानों में लागू होता है।
+जिस स्थान पर <math>r_n</math> दो मदों पर व्यक्तित्व n का कुल प्राप्तांक है, जो एक या अन्य मदों पर उचित प्रतिक्रिया दर्शाता है।<ref name="Rasch1960" /><ref>Andersen, E.B. (1977).  Sufficient statistics and latent trait models, ''Psychometrika'', 42, 69–81.</ref><ref>Andrich, D. (2010). Sufficiency and conditional estimation of person parameters in the polytomous Rasch model. ''Psychometrika'', 75(2), 292-308.</ref> इसलिए, प्रतिबंधात्मक लॉजिट आलेख में व्यक्तित्व मापदंड <math>\beta_n</math> सम्मिलित नहीं है, जिसे कुल प्राप्तांक <math>r_n=1</math> पर अनुकूलन के माध्यम से समाप्त किया जा सकता है। अर्थात्, अपरिपक्व अंकों के अनुसार प्रतिक्रियाओं को विभाजित करके और उचित प्रतिक्रिया की अभिलेख बाधाओं की गणना करके <math>\beta_n</math> की भागीदारी के बिना एक अनुमान <math>\delta_2-\delta_1</math>से प्राप्त किया जा सकता है। सामान्यतः, प्रतिबंधात्मक अधिकतम संभावना अनुमान (रैश आदर्श अनुमान देखें) जैसी प्रक्रिया के अनुप्रयोग के माध्यम से अनेक इकाई मापदंडों का पुनरावर्ती अनुमान लगाया जा सकता है। जबकि अधिक सम्मिलित मौलिक सिद्धांत ऐसे अनुमानों में क्रियान्वित होता है।
+[[Image:RaschICC.gif|thumb|450px|right|चित्र 4: रैश आदर्श के लिए आईसीसी, व्यक्तित्व के पांच वर्ग अंतरालों के लिए उचित देखे गए और अपेक्षित अनुपात के मध्य मिलान दर्शाता है]]द्विभाजित डेटा के लिए रैश आदर्श का आईसीसी चित्र 4 में प्रदर्शित गया है। भूरी रेखा अव्यक्त सातत्य (अर्थात, उनकी क्षमताओं का स्तर) पर विभिन्न स्थानों वाले व्यक्तित्व के लिए प्रथक-प्रथक परिणाम <math>X_{ni}=1</math> (अर्थात, प्रश्न का सही उत्तर देना) की संभावना को दर्शाती है। किसी मद का स्थान, परिभाषा के अनुसार, वह स्थान है जिस पर <math>X_{ni}=1</math> के 0.5 के सामान्तर होने की संभावना होती है। चित्र 4 में, काले घेरे वर्ग अंतराल के अन्दर व्यक्तित्व के वास्तविक या देखे गए अनुपात को दर्शाते हैं जिसके लिए परिणाम देखा गया था। उदाहरण के रूप मे शैक्षिक मनोविज्ञान के संदर्भ में उपयोग किए जाने वाले मूल्यांकन इकाई के स्थितियों में, यह उन व्यक्तित्व के अनुपात का प्रतिनिधित्व कर सकते हैं जिन्होंने इकाई का उचित उत्तर दिया है। व्यक्तित्व को अव्यक्त सातत्य पर उनके स्थान के अनुमानों के आधार पर क्रमबद्ध किया जाता है और आदर्श के मध्य टिप्पणियों के अनुरूपता का रेखांकन निरीक्षण करने के लिए इस आधार पर वर्ग अंतराल में वर्गीकृत किया जाता है। आदर्श के मध्य डेटा की घनिष्ठ अनुरूपता है। डेटा के चित्रमय निरीक्षण के अतिरिक्त, योग्य के [[सांख्यिकीय]] परीक्षणों की श्रृंखला का उपयोग यह मूल्यांकन करने के लिए किया जाता है कि क्या आदर्श से टिप्पणियों के विचलन को मात्र यादृच्छिक प्रभावों के लिए उत्तरदायी हो सकता है जैसा कि आवश्यक है, या क्या आदर्श से व्यवस्थित विचलन हैं।
-[[Image:RaschICC.gif|thumb|450px|right|चित्र 4: राश आदर्श  के लिए आईसीसी, व्यक्तियों के पांच वर्ग अंतरालों के लिए सही देखे गए और अपेक्षित अनुपात के बीच तुलना दर्शाता है]]द्विभाजित डेटा के लिए रैश आदर्श  का आईसीसी चित्र 4 में दिखाया गया है। ग्रे लाइन अलग परिणाम की संभावना को दर्शाती है <math>X_{ni}=1</math> (अर्थात, प्रश्न का सही उत्तर देना) अव्यक्त सातत्य पर विभिन्न स्थानों वाले व्यक्तियों के लिए (अर्थात, उनकी क्षमताओं का स्तर)। किसी वस्तु का स्थान, परिभाषा के अनुसार, वह स्थान है जिस पर इसकी संभावना होती है <math>X_{ni}=1</math> 0.5 के बराबर है. चित्र 4 में, काले घेरे वर्ग अंतराल के भीतर व्यक्तियों के वास्तविक या देखे गए अनुपात को दर्शाते हैं जिसके लिए परिणाम देखा गया था। उदाहरण के लिए, शैक्षिक मनोविज्ञान के संदर्भ में उपयोग किए जाने वाले मूल्यांकन विषय के मामले में, ये उन व्यक्तियों के अनुपात का प्रतिनिधित्व कर सकते हैं जिन्होंने विषय का सही उत्तर दिया है। व्यक्तियों को अव्यक्त सातत्य पर उनके स्थान के अनुमानों के आधार पर क्रमबद्ध किया जाता है और आदर्श  के साथ टिप्पणियों के अनुरूपता का रेखांकन निरीक्षण करने के लिए इस आधार पर वर्ग अंतराल में वर्गीकृत किया जाता है। आदर्श  के साथ डेटा की घनिष्ठ अनुरूपता है। डेटा के ग्राफ़िकल निरीक्षण के अलावा, फिट के [[सांख्यिकीय]] परीक्षणों की एक श्रृंखला का उपयोग यह मूल्यांकन करने के लिए किया जाता है कि क्या आदर्श  से टिप्पणियों के विचलन को केवल यादृच्छिक प्रभावों के लिए जिम्मेदार ठहराया जा सकता है, जैसा कि आवश्यक है, या क्या आदर्श  से व्यवस्थित विचलन हैं।
+==रैश आदर्श के बहुपद विस्तार==
+{{Main|बहुपद रैश आदर्श }}
-==रैश आदर्श  के बहुपद विस्तार==
+रैश आदर्श में अनेक बहुपद विस्तार हैं, जो द्विभाजित आदर्श को सामान्यीकृत करते हैं जिससे इसे उन संदर्भों में क्रियान्वित किया जा सके जिसमें क्रमिक पूर्णांक प्राप्तांक अव्यक्त विशेषता के अगर्सर स्तर या परिमाण की श्रेणियों का प्रतिनिधित्व करते हैं, जैसे वृद्धि क्षमता, मोटर कार्य का समर्थन एवं कथन इत्यादि है। उदाहरण के रूप मे यह बहुपद विस्तार लिकर्ट मापन के उपयोग, शैक्षिक मूल्यांकन में श्रेणीकरण और न्यायाधीशों के माध्यम से प्रदर्शन के प्राप्तांक पर क्रियान्वित होते हैं।
-{{Main|Polytomous Rasch model}}
-रैश आदर्श  में कई बहुपद विस्तार हैं, जो द्विभाजित आदर्श  को सामान्यीकृत करते हैं ताकि इसे उन संदर्भों में लागू किया जा सके जिसमें क्रमिक पूर्णांक स्कोर एक अव्यक्त विशेषता के बढ़ते स्तर या परिमाण की श्रेणियों का प्रतिनिधित्व करते हैं, जैसे बढ़ती क्षमता, मोटर फ़ंक्शन, का समर्थन एक बयान, इत्यादि। उदाहरण के लिए, ये बहुपद विस्तार लिकर्ट स्केल के उपयोग, शैक्षिक मूल्यांकन में ग्रेडिंग और न्यायाधीशों द्वारा प्रदर्शन के स्कोरिंग पर लागू होते हैं।
 ==अन्य विचार==
-रैश आदर्श  की आलोचना यह है कि यह अत्यधिक प्रतिबंधात्मक या अनुदेशात्मक है क्योंकि आदर्श  की एक धारणा यह है कि सभी वस्तुओं में समान भेदभाव होता है, जबकि व्यवहार में, वस्तुओं का भेदभाव अलग-अलग होता है, और इस प्रकार कोई भी डेटा सेट कभी भी सही डेटा-आदर्श  फिट नहीं दिखाएगा। एक बार-बार होने वाली गलतफहमी यह है कि रैश आदर्श  प्रत्येक विषय को अलग-अलग भेदभाव करने की अनुमति नहीं देता है, लेकिन समान भेदभाव अपरिवर्तनीय माप की एक धारणा है, इसलिए अलग-अलग विषय भेदभाव निषिद्ध नहीं हैं, बल्कि यह संकेत मिलता है कि माप की गुणवत्ता एक सैद्धांतिक आदर्श के बराबर नहीं है। भौतिक माप की तरह, वास्तविक दुनिया के डेटासेट कभी भी सैद्धांतिक आदर्श  से पूरी तरह मेल नहीं खाएंगे, इसलिए प्रासंगिक प्रश्न यह है कि क्या कोई विशेष डेटा सेट हाथ में उद्देश्य के लिए माप की पर्याप्त गुणवत्ता प्रदान करता है, न कि यह कि क्या यह पूर्णता के अप्राप्य मानक से पूरी तरह मेल खाता है।
+रैश आदर्श की आलोचना यह है कि यह अत्यधिक प्रतिबंधात्मक या अनुदेशात्मक है क्योंकि आदर्श की एक धारणा यह है कि समस्त मदों में समान विभेदन होता है, जबकि व्यवहार में, मदों का विभेदन प्रथक होता है, और इस प्रकार कोई भी डेटा समुच्चय सर्वदा भी उचित डेटा-आदर्श योग्य प्रदर्शित नहीं है। एक बार होने वाली त्रुटिपूर्ण यह है कि रैश आदर्श प्रत्येक इकाई को प्रथक विभेदन करने की अनुमति नहीं देता है, किन्तु समान विभेदन अपरिवर्तनीय माप की धारणा है, इसलिए प्रथक -प्रथक इकाई विभेदन निषिद्ध नहीं हैं, किन्तु कि यह संकेत प्राप्त होता है कि माप की गुणवत्ता सैद्धांतिक आदर्श के सामान्तर नहीं है। भौतिक माप की प्रकार वास्तविक विश्व के डेटा समुच्चय सर्वदा सैद्धांतिक आदर्श से संपूर्ण प्रकार से समन्वय नहीं है, इसलिए प्रासंगिक प्रश्न यह है कि क्या कोई विशेष डेटा समुच्चय हस्तगत में उद्देश्य के लिए माप की पर्याप्त गुणवत्ता प्रदान करता है, न कि यह कि क्या यह पूर्णता के अप्राप्य मानक से संपूर्ण प्रकार समरूप होता है।
-बहुविकल्पी वस्तुओं से प्रतिक्रिया डेटा के साथ रैश आदर्श  के उपयोग के लिए विशिष्ट आलोचना यह है कि आदर्श  में अनुमान लगाने के लिए कोई प्रावधान नहीं है क्योंकि रैश आदर्श  में बायां अनंतस्पर्शी हमेशा शून्य संभावना के करीब पहुंचता है। इसका तात्पर्य यह है कि कम क्षमता वाले व्यक्ति को हमेशा कोई वस्तु गलत मिलेगी। हालाँकि, बहुविकल्पीय परीक्षा पूरी करने वाले कम क्षमता वाले व्यक्तियों के पास अकेले संयोग से सही उत्तर चुनने की काफी अधिक संभावना होती है (k-विकल्प विषय के लिए, संभावना 1/k के आसपास होती है)।
+बहुविकल्पी मदों से प्रतिक्रिया डेटा के मध्य रैश आदर्श के उपयोग के लिए विशिष्ट आलोचना यह है कि आदर्श में अनुमान लगाने के लिए कोई प्रावधान नहीं है क्योंकि रैश आदर्श में बायां अनंतस्पर्शी सदैव शून्य संभावना के समीप होता है। इसका तात्पर्य यह है कि अल्प क्षमता वाले व्यक्तित्व को सदैव कोई मद त्रुटिपूर्ण प्राप्त होगी । चूंकि बहुविकल्पीय परीक्षा संपूर्ण करने वाले अल्प क्षमता वाले व्यक्तित्व के समीप एकाकी संयोग से उचित उत्तर चयन की अधिक अधिक संभावना होती है (k-विकल्प इकाई के लिए, संभावना 1/k के प्राय: होती है)।
-तीन-पैरामीटर लॉजिस्टिक आदर्श  इन दोनों धारणाओं को शिथिल करता है और दो-पैरामीटर लॉजिस्टिक आदर्श  अलग-अलग ढलानों की अनुमति देता है।<ref>Birnbaum, A. (1968).  Some latent trait models and their use in inferring an examinee’s ability.  In Lord, F.M. & Novick, M.R. (Eds.), ''Statistical theories of mental test scores''. Reading, MA: Addison–Wesley.</ref> हालाँकि, सरल, बिना भार वाले कच्चे स्कोर की पर्याप्तता को बनाए रखने के लिए समान भेदभाव और शून्य बाएँ स्पर्शोन्मुख की विशिष्टता आदर्श  के आवश्यक गुण हैं। व्यवहार में, बहु-विकल्प डेटासेट में पाया जाने वाला गैर-शून्य निम्न अनंतस्पर्शी आमतौर पर मानी जाने वाली तुलना में माप के लिए कम खतरा होता है और आमतौर पर माप में वास्तविक त्रुटियां नहीं होती हैं जब अच्छी तरह से विकसित परीक्षण वस्तुओं का उपयोग समझदारी से किया जाता है <ref>{{cite journal|last1=Holster|first1=Trevor A.|last2=Lake|first2=J. W.|title=अनुमान लगाना और रैश मॉडल|journal=Language Assessment Quarterly|date=2016|volume=13|issue=2|pages=124–141|doi=10.1080/15434303.2016.1160096|s2cid=148393334}}</ref>
+तीन-मापदंड तार्किक आदर्श इन दोनों धारणाओं को शिथिल करता है और दो-मापदंड तार्किक आदर्श प्रथक-प्रथक ढलानों की अनुमति देता है।<ref>Birnbaum, A. (1968).  Some latent trait models and their use in inferring an examinee’s ability.  In Lord, F.M. & Novick, M.R. (Eds.), ''Statistical theories of mental test scores''. Reading, MA: Addison–Wesley.</ref> चूंकि सरल भार रहित वाले अपरिपक्व प्राप्तांक की पर्याप्तता को बनाए रखने के लिए समान विभेदन और शून्य बाएँ स्पर्शोन्मुख की विशिष्टता आदर्श के आवश्यक गुण हैं। व्यवहार में बहु-विकल्प डेटा समुच्चय में प्राप्त जाने वाला शुन्यतर निम्न अनंतस्पर्शी सामान्यतः मानी जाने वाली मिलान में माप के लिए अल्प संकट होता है और सामान्यतः माप में वास्तविक त्रुटियां नहीं होती हैं जब उचित प्रकार से विकसित परीक्षण मदों का उपयोग विवह कशीलता से किया जाता है <ref>{{cite journal|last1=Holster|first1=Trevor A.|last2=Lake|first2=J. W.|title=अनुमान लगाना और रैश मॉडल|journal=Language Assessment Quarterly|date=2016|volume=13|issue=2|pages=124–141|doi=10.1080/15434303.2016.1160096|s2cid=148393334}}</ref> वर्हेल्स्ट एंड ग्लास (1995) ने आदर्श के लिए प्रतिबंधात्मक अधिकतम संभावना (सीएमएल) समीकरण प्राप्त किए, जिसे वह एकल मापदंड तार्किक आदर्श (ओपीएलएम) के रूप में संदर्भित करते हैं। बीजगणितीय रूप में यह 2 पीएल आदर्श के समान प्रतीत होता है, किन्तु ओएमपीएल में 2 पीएल के अनुमानित विभेदन मापदंडों के अतिरिक्त पूर्व निर्धारित विभेदन सूचकांक सम्मिलित हैं। जैसा कि इन लेखकों ने उल्लेख किया है, चूंकि अनुमानित विभेदन मापदंडों के मध्य अनुमान लगाने में जिस समस्या का सामना करना पड़ता है वह यह है कि विभेदन अज्ञात हैं, जिसका अर्थ है कि भारित अपरिपक्व प्राप्तांक मात्र एक आँकड़ा नहीं है और इसलिए सीएमएल को अनुमान पद्धति के रूप में उपयोग करना असंभव है।<ref name="Verhelst Glas 1995">Verhelst, N.D. and Glas, C.A.W. (1995). ''The one parameter logistic model.'' In G.H. Fischer and I.W. Molenaar (Eds.), Rasch Models: Foundations, recent developments, and applications (pp.&nbsp;215–238). New York: Springer Verlag.</ref>{{rp|217}} अर्थात् 2 पीएल में भारित प्राप्तांक की पर्याप्तता का उपयोग उस विधियाँ के अनुसार नहीं किया जा सकता है, जिसमें पर्याप्त आँकड़ा परिभाषित किया गया है। यदि भार का अनुमान प्राप्त करने के अतिरिक्त अभिकथन किया जाता है, जैसा कि ओपीएलएम में होता है, तब प्रतिबंधात्मक अनुमान संभव है और रैश आदर्श के अल्प गुणों को निरंतर रखा जाता है।<ref>Verhelst, N.D., Glas, C.A.W. and Verstralen, H.H.F.M. (1995). ''One parameter logistic model (OPLM).'' Arnhem: CITO.</ref><ref name="Verhelst Glas 1995"/> ओपीएलएम में विभेदन सूचकांक के मान 1 और 15 के मध्य सीमित हैं। इस दृष्टिकोण की सीमा यह है कि व्यवहार में विभेदन सूचकांक के मूल्यों को प्रारंभिक बिंदु के रूप में पूर्व निर्धारित किया जाना चाहिए। इसका कारण यह है कि विभेदन का अल्प प्रकार का अनुमान तब सम्मिलित होता है जब मुख्य उद्देश्य ऐसा करने से बचना होता है।
-वर्हेल्स्ट एंड ग्लास (1995) ने एक आदर्श  के लिए सशर्त अधिकतम संभावना (सीएमएल) समीकरण प्राप्त किए, जिसे वे वन पैरामीटर लॉजिस्टिक आदर्श  (ओपीएलएम) के रूप में संदर्भित करते हैं। बीजगणितीय रूप में यह 2PL आदर्श  के समान प्रतीत होता है, लेकिन OPLM में 2PL के अनुमानित भेदभाव मापदंडों के बजाय पूर्व निर्धारित भेदभाव सूचकांक शामिल हैं। जैसा कि इन लेखकों ने उल्लेख किया है, हालांकि, अनुमानित भेदभाव मापदंडों के साथ अनुमान लगाने में जिस समस्या का सामना करना पड़ता है वह यह है कि भेदभाव अज्ञात हैं, जिसका अर्थ है कि भारित कच्चा स्कोर केवल एक आँकड़ा नहीं है, और इसलिए सीएमएल को एक अनुमान पद्धति के रूप में उपयोग करना असंभव है।<ref name="Verhelst Glas 1995">Verhelst, N.D. and Glas, C.A.W. (1995). ''The one parameter logistic model.'' In G.H. Fischer and I.W. Molenaar (Eds.), Rasch Models: Foundations, recent developments, and applications (pp.&nbsp;215–238). New York: Springer Verlag.</ref>{{rp|217}} अर्थात्, 2PL में भारित स्कोर की पर्याप्तता का उपयोग उस तरीके के अनुसार नहीं किया जा सकता है जिसमें पर्याप्त आँकड़ा परिभाषित किया गया है। यदि वज़न का अनुमान लगाने के बजाय आरोप लगाया जाता है, जैसा कि ओपीएलएम में होता है, तो सशर्त अनुमान संभव है और रैश आदर्श  के कुछ गुणों को बरकरार रखा जाता है।<ref>Verhelst, N.D., Glas, C.A.W. and Verstralen, H.H.F.M. (1995). ''One parameter logistic model (OPLM).'' Arnhem: CITO.</ref><ref name="Verhelst Glas 1995"/>ओपीएलएम में, भेदभाव सूचकांक के मान 1 और 15 के बीच सीमित हैं। इस दृष्टिकोण की एक सीमा यह है कि व्यवहार में, भेदभाव सूचकांक के मूल्यों को शुरुआती बिंदु के रूप में पूर्व निर्धारित किया जाना चाहिए। इसका मतलब यह है कि भेदभाव का कुछ प्रकार का अनुमान तब शामिल होता है जब उद्देश्य ऐसा करने से बचना होता है।
-द्विभाजित डेटा के लिए रैश आदर्श  में स्वाभाविक रूप से एक एकल भेदभाव पैरामीटर शामिल होता है, जैसा कि रैश ने नोट किया है,<ref name="Rasch1960"/>{{rp|121}} माप की इकाइयों का एक मनमाना विकल्प बनता है जिसके संदर्भ में अव्यक्त विशेषता के परिमाण व्यक्त या अनुमानित किए जाते हैं। हालाँकि, रैश आदर्श  के लिए आवश्यक है कि भेदभाव [[सामाजिक संपर्क]] में एक समान हो{{disambiguation needed|date=January 2023}} संदर्भ के एक निर्दिष्ट फ्रेम के भीतर व्यक्तियों और वस्तुओं के बीच (यानी मूल्यांकन संदर्भ मूल्यांकन के लिए दी गई शर्तें)।
+द्विभाजित डेटा के लिए रैश आदर्श में स्वाभाविक रूप से एकल विभेदन मापदंड सम्मिलित होता है, जैसा कि रैश ने लिखित मे किया गया है।<ref name="Rasch1960"/>{{rp|121}} माप की इकाइयों का अनेैतिक विकल्प होता है जिसके संदर्भ में अव्यक्त विशेषता के परिमाण व्यक्त या अनुमानित किए जाते हैं। रैश आदर्श के लिए आवश्यक है कि विभेदन [[सामाजिक संपर्क]] के निर्दिष्ट वृत्ति के अन्दर व्यक्तित्व और मदों के मध्य व्याख्यान असंबद्धता की आवश्यकता में समान हो (अर्थात मूल्यांकन के संदर्भ में मूल्यांकन के लिए नियम दिया गया है)।
-आदर्श  का अनुप्रयोग मानदंड को कितनी अच्छी तरह पूरा करता है, इसके बारे में नैदानिक जानकारी प्रदान करता है। आदर्श  का अनुप्रयोग इस बारे में भी जानकारी प्रदान कर सकता है कि मूल्यांकन पर विषय या प्रश्न क्षमता या विशेषता को मापने के लिए कितनी अच्छी तरह काम करते हैं। उदाहरण के लिए, किसी दिए गए व्यवहार में संलग्न व्यक्तियों के अनुपात को जानकर, रश आदर्श  का उपयोग जुड़ाव की कठिनाई, दृष्टिकोण और व्यवहार के बीच संबंधों को प्राप्त करने के लिए किया जा सकता है।<ref>{{Cite journal|last1=Byrka|first1=Katarzyna|last2=Jȩdrzejewski|first2=Arkadiusz|last3=Sznajd-Weron|first3=Katarzyna|last4=Weron|first4=Rafał|date=2016-09-01|title=Difficulty is critical: The importance of social factors in modeling diffusion of green products and practices|journal=Renewable and Sustainable Energy Reviews|volume=62|pages=723–735|doi=10.1016/j.rser.2016.04.063|url=https://zenodo.org/record/889778}}</ref> रैश आदर्श  के प्रमुख समर्थकों में [[बेंजामिन ड्रेक राइट]], [[डेविड एंड्रीच]] और एर्लिंग एंडरसन शामिल हैं।
+आदर्श का अनुप्रयोग मानदंड को उचित प्रकार पूर्ण करता है, इसके विषय में अनिश्चितता सूचना प्रदान करता है। आदर्श का अनुप्रयोग इस विषय में भी सूचना प्रदान कर सकता है कि मूल्यांकन पर इकाई या प्रश्न क्षमता या विशेषता को मापने के लिए कितनी उचित प्रकार से काम करते हैं। उदाहरण के रूप मे किसी दिए गए व्यवहार में संलग्न व्यक्तित्व के अनुपात को प्राप्त कर के रश आदर्श का उपयोग संबंध की समस्या दृष्टिकोण और व्यवहार के मध्य संबंधों को प्राप्त करने के लिए किया जा सकता है।<ref>{{Cite journal|last1=Byrka|first1=Katarzyna|last2=Jȩdrzejewski|first2=Arkadiusz|last3=Sznajd-Weron|first3=Katarzyna|last4=Weron|first4=Rafał|date=2016-09-01|title=Difficulty is critical: The importance of social factors in modeling diffusion of green products and practices|journal=Renewable and Sustainable Energy Reviews|volume=62|pages=723–735|doi=10.1016/j.rser.2016.04.063|url=https://zenodo.org/record/889778}}</ref> रैश आदर्श के प्रमुख समर्थकों में [[बेंजामिन ड्रेक राइट]], [[डेविड एंड्रीच]] और एर्लिंग एंडरसन सम्मिलित हैं।
 ==यह भी देखें==
-*नकली पैमाना
+*मोकेन मापदंड
-*गुटमैन स्केल
+*गुटमैन मापन
 ==संदर्भ==
@@ Line 106: / Line 105: @@
 *Andrich, D. (1978a). A rating formulation for ordered response categories. ''Psychometrika'', 43, 357–74.
-*Andrich, D. (1988).  ''Rasch models for measurement''.  Beverly Hills: Sage Publications.
+*Andrich, D. (1988). ''Rasch models for measurement''. Beverly Hills: Sage Publications.
-*Baker, F. (2001). The Basics of Item Response Theory.  ERIC Clearinghouse on Assessment and Evaluation, University of Maryland, College Park, MD.  Available free with software included from [http://edres.org/irt/ IRT at Edres.org]
+*Baker, F. (2001). The Basics of Item Response Theory. ERIC Clearinghouse on Assessment and Evaluation, University of Maryland, College Park, MD. Available free with software included from [http://edres.org/irt/ IRT at Edres.org]
 *Fischer, G.H. & Molenaar, I.W. (1995). ''Rasch models: foundations, recent developments and applications''. New York: Springer-Verlag.
 *Goldstein H & [[Steve Blinkhorn|Blinkhorn S]] (1977). ''Monitoring Educational Standards: an inappropriate model.'' . Bull.Br.Psychol.Soc. 30 309–311
 *Goldstein H & [[Steve Blinkhorn|Blinkhorn S]] (1982). ''The Rasch Model Still Does Not Fit''. BERJ 82 167–170.
-*Hambleton RK, Jones RW. "Comparison of classical test  theory and item response," ''[[Educational Measurement: Issues and Practice]]'' 1993; 12(3):38–47. available in the ITEMS Series from the [https://web.archive.org/web/20061008012219/http://www.ncme.org/pubs/items.cfm National Council on Measurement in Education]
+*Hambleton RK, Jones RW. "Comparison of classical test theory and item response," ''[[Educational Measurement: Issues and Practice]]'' 1993; 12(3):38–47. available in the ITEMS Series from the [https://web.archive.org/web/20061008012219/http://www.ncme.org/pubs/items.cfm National Council on Measurement in Education]
 *Harris D. Comparison of 1-, 2-, and 3-parameter IRT models. Educational Measurement: Issues and Practice;. 1989; 8: 35–41 available in the ITEMS Series from the [https://web.archive.org/web/20061008012219/http://www.ncme.org/pubs/items.cfm National Council on Measurement in Education]
 *{{Cite journal|last=Linacre| first=J. M. |year=1999| title=Understanding Rasch measurement: Estimation methods for Rasch measures|journal=Journal of Outcome Measurement|volume=3|issue=4|pages=382–405| pmid=10572388 }}
@@ Line 134: / Line 133: @@
 {{Authority control}}
-[[Category: साइकोमेट्रिक्स]] [[Category: शैक्षणिक मनोविज्ञान]] [[Category: सांख्यिकीय मॉडल]] [[Category: व्यक्तित्व सिद्धांत]]
-[[Category: Machine Translated Page]]
+[[Category:Articles with hatnote templates targeting a nonexistent page]]
 [[Category:Created On 07/07/2023]]
+[[Category:Lua-based templates]]
+[[Category:Machine Translated Page]]
+[[Category:Pages with script errors]]
+[[Category:Short description with empty Wikidata description]]
+[[Category:Templates Vigyan Ready]]
+[[Category:Templates that add a tracking category]]
+[[Category:Templates that generate short descriptions]]
+[[Category:Templates using TemplateData]]
+[[Category:व्यक्तित्व सिद्धांत]]
+[[Category:शैक्षणिक मनोविज्ञान]]
+[[Category:सांख्यिकीय मॉडल]]
+[[Category:साइकोमेट्रिक्स]]

Anonymous

Search

तीव्र मॉडल: Difference between revisions

Namespaces

More

Page actions

Latest revision as of 10:03, 4 August 2023

Contents

अवलोकन

माप के लिए रैश आदर्श

प्रवर्धन

मापदंडो के स्थानों की व्याख्या करना

रैश आदर्श की विशेषताएं

अपरिवर्तनीय मिलान और पर्याप्तता

द्विभाजित डेटा के लिए रैश आदर्श का गणितीय रूप

रैश आदर्श के बहुपद विस्तार

अन्य विचार

यह भी देखें

संदर्भ

अग्रिम पठन

बाहरी संबंध

Navigation

Navigation

Wiki tools

Wiki tools

Anonymous

Search

तीव्र मॉडल: Difference between revisions

Latest revision as of 10:03, 4 August 2023

अवलोकन

माप के लिए रैश आदर्श

प्रवर्धन

मापदंडो के स्थानों की व्याख्या करना

रैश आदर्श की विशेषताएं

अपरिवर्तनीय मिलान और पर्याप्तता

द्विभाजित डेटा के लिए रैश आदर्श का गणितीय रूप

रैश आदर्श के बहुपद विस्तार

अन्य विचार

यह भी देखें

संदर्भ

अग्रिम पठन

बाहरी संबंध

Navigation

Wiki tools

Page tools

Other projects

Categories