La correction d'indices de détection de patrons de réponses inappropriés paramétriques: une étude de type Monte Carlo

L’une des conditions à respecter afin d’interpréter adéquatement les scores obtenus à un test est de s'assurer que les sujets ont répondu selon leur habileté réelle. Or, il se peut que certains individus tentent de se surclasser en trichant ou de se sous-classer intentionnellement. Par chance, de nombreuses méthodes ont été développées pour détecter les individus qui adoptent de telles stratégies. Dans le cadre de cette présentation, nous nous intéresserons plus particulièrement aux indices de détection de patrons de réponses inappropriés. L’utilisation des indices de détection paramétriques comporte de nombreuses limites (Meijer et Sijtsma, 2001). Par exemple, nous savons que plusieurs indices ne peuvent pas être interprétés à partir des quantiles d’une loi de distribution connue. De plus, il est connu que l’utilisation d’une estimation de l’habileté peut grandement affecter la distribution connue de certains indices. Afin de dépasser les problèmes précédents, Snijders (2001) a développé une approche permettant de corriger les indices de détection de patrons de réponses inappropriés lorsqu'une estimation de l’habileté est considérée. Les indices ainsi corrigés suivent asymptotiquement une loi normale standard, ce qui permet la définition de seuils de détection de patrons inappropriés. Nous présenterons comment cette correction permet d'améliorer l'identification des patrons de réponses problématiques, notamment grâce à une diminution de l'écart entre l’erreur de type I empirique et le niveau de signification nominal. Une approche par simulation de données de type Monte Carlo sera présentée, et différents estimateurs de l'habileté (maximum de vraisemblance, maximum de vraisemblance a posteriori, maximum de vraisemblance pondérée) seront utilisés.