gms | German Medical Science

In der Praxis wird zumeist davon ausgegangen, dass die Testwerte in einem Aufnahmeverfahren interindividuelle Unterschiede in den zu erfassenden latenten Fähigkeiten akkurat widerspiegeln. In den letzten Jahrzenten wurden jedoch zunehmend Zweifel an dieser Annahme laut. Verschiedene Studien zeigen, dass die Wahrscheinlichkeit einen bestimmten Testwert zu erreichen bzw. eine bestimmte Aufgabe zu lösen, nicht nur von der Fähigkeit der StudienplatzwerberInnen abhängen kann, sondern auch von konstrukt-irrelevanten Merkmalen der StudienplatzwerberInnen wie dem Geschlecht oder der Schichtzughörigkeit. Dies kann in der Folge zu einer systematischen Bevorzugung bzw. Benachteiligung einzelner Gruppen von StudienplatzwerberInnen führen. Mit dem Automatisierten Min-Max Ansatz wird eine innovative Methode zur Testkonstruktion vorgestellt, mit deren Hilfe das Risiko einer systematischen Benachteiligung einzelner Personengruppen durch

1.

eine angemessene Auswahl des Aufgabenformats, sowie durch

2.

eine systematische theoriegeleitete Konstruktion der einzelnen Testaufgaben minimiert werden kann.

Das Vorgehen bei der Konstruktion eines Aufnahmeverfahrens mit Hilfe des Automatisierten Min-Max Ansatzes wird anhand ausgewählter Studien zu den kognitiven Teilen des MedAT illustriert. Im Rahmen dieses Beitrages werden auch die Möglichkeiten dieses Ansatzes für die automatische Generierung valider und fairer Testaufgaben diskutiert. Zudem werden Möglichkeiten aufgezeigt, wie mit Hilfe dieses Ansatzes aktuell zunehmend bedeutsamer werdende Probleme der Fairness bei mehrfachen Antritten zum Aufnahmeverfahren und interindividuellen Unterschieden in der Nutzung verschiedener Vorbereitungsmöglichkeiten auf das Aufnahmeverfahren gelöst werden könnten. Abgerundet wird der Beitrag durch die praktische Demonstration eines Automatischen Itemgenerators.