|
Die DIN 33430 fordert die Festlegung von Regeln, nach denen die berufsbezogene Eignung eines Kandidaten beurteilt wird. Aus anwendungsbegleitend erhobenen Daten lassen sich mittels statistischer Methoden implizite Entscheidungsregeln von Experten
explizieren. Somit entstehen empirisch fundierte Modelle, die einer formativen Evaluation zugänglich sind. Linearstatistische Ansätze liefern schwierig verbal explizierbare Modelle. Konfigurale Modelle sind leichter explizierbar, jedoch weniger
stabil und nutzen häufig nur eine Teilmenge der Prädiktoren. Als Synthese der erwünschten Eigenschaften beider Ansätze wird die Methode der simultane Optimierung multipler Cutoffs (SOMC) entwickelt. In drei Anwendungsfällen zeigt
SOMC im Vergleich zu bewährten Ansätzen eine stabil geringe Quote falsch negativer Klassifikationen. Ansätze zur Optimierung von SOMC sowie Implikationen der Verwendung der Methode für den Aufbau einer lernfähigen Diagnostik
werden diskutiert.
|