Resumo:
O G-DINA é um Modelo de Diagnóstico Cognitivo muito versátil utilizado para determinar quais atributos um indivíduo possui ou não possui de acordo com as respostas desse indivíduo à um teste. Nesse trabalho propomos uma formulação Bayesiana para o modelo G-DINA e apresentamos um método de estimação utilizando um algoritmo MCMC Gibbs Sampling. Estudos de simulação foram desenvolvidos para avaliar a acurácia na recuperação dos parâmetros da implementação Bayesiana do G-DINA e os resultados foram comparados com os obtidos por meio da implementação frequentista. Os resultados desses estudos mostram que a implementação Bayesiana tem acurácia similar ou superior do que a frequentista nos cenários simulados. Como uma aplicação, é proposta uma nova metodologia de classificação da depressão para as respostas do Inventário de Depressão de Beck (BDI, em inglês), desenvolvida a partir de uma metodologia já existente, porém substituindo o modelo DINA pelo modelo G-DINA. Foi conduzida uma análise comparativa entre essas duas metodologias para as respostas de 1111 estudantes universitários ao teste BDI. Os resultados desse estudo comparativo indicam que a metodologia que utiliza o modelo G-DINA é mais apropriada para essa aplicação.

E-mail para interessados solicitarem o link: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.