การวิเคราะห์โครงสร้างลำดับชั้นของข้อคำถาม ( Item Tree Analysis : ITA ) เป็น วิธี การวิเคราะห์ข้อมูลที่ช่วยให้สามารถสร้างโครงสร้างลำดับชั้นบนข้อคำถามของแบบสอบถามหรือแบบทดสอบจากรูปแบบการตอบสนองที่สังเกตได้สมมติว่าเรามีแบบสอบถามที่มี ข้อคำถาม mข้อ และผู้ตอบสามารถตอบว่าใช่ (1) หรือไม่ใช่ (0) สำหรับแต่ละข้อคำถาม กล่าวคือ ข้อคำถามเป็น แบบสองตัวเลือกถ้ามีผู้ตอบแบบสอบถามn คน จะได้ เมทริกซ์ข้อมูลไบนารีD ที่มีmคอลัมน์และnแถว ตัวอย่างทั่วไปของรูปแบบข้อมูลนี้คือ ข้อคำถามในแบบทดสอบที่ผู้ตอบสามารถตอบถูก (1) หรือผิด (0) ได้ ตัวอย่างทั่วไปอื่นๆ คือ แบบสอบถามที่มีข้อคำถามเป็นข้อความที่ผู้ตอบสามารถตอบว่าเห็นด้วย (1) หรือไม่เห็นด้วย (0) ได้ ขึ้นอยู่กับเนื้อหาของข้อคำถาม เป็นไปได้ว่าการตอบสนองของผู้ตอบต่อข้อคำถามjจะกำหนดการตอบสนองของเขาหรือเธอต่อข้อคำถามอื่นๆ ตัวอย่างเช่น เป็นไปได้ที่ผู้ตอบแต่ละคนที่เห็นด้วยกับข้อคำถามjจะเห็นด้วยกับข้อคำถามi ด้วย ในกรณีนี้ เรากล่าวว่า ข้อคำถามj บ่งชี้ข้อคำถามi (โดยย่อ) เป้าหมายของ ITA คือการเปิดเผยผลลัพธ์เชิงกำหนดดัง กล่าว จากชุดข้อมูลD${\displaystyle i\ลูกศรขวา j}$

ITA ได้รับการพัฒนาขึ้นครั้งแรกโดย Van Leeuwe ในปี 1974 ^{[ 1 ]}ผลลัพธ์ของอัลกอริทึม ของเขา ซึ่งเราจะเรียกต่อไปนี้ว่าITA แบบคลาสสิกคือชุดของการบ่งชี้ที่สอดคล้องกันทางตรรกะการสอดคล้องกันทางตรรกะหมายความว่า ถ้าiบ่งชี้jและjบ่งชี้kแล้วiบ่งชี้kสำหรับแต่ละสาม รายการ i , j , kดังนั้นผลลัพธ์ของ ITA จึงเป็น ความสัมพันธ์ แบบสะท้อนและถ่ายทอดบนชุดรายการ กล่าวคือลำดับเสมือนบนรายการSchrepp (1999) ได้เสนออัลกอริทึมที่แตกต่างกันในการดำเนินการ ITA อัลกอริทึมนี้เรียกว่าITA แบบอุปนัยทั้ง ITA แบบคลาสสิกและ ITA แบบอุปนัยต่างสร้างลำดับเสมือนบนชุดรายการโดยการวิเคราะห์ข้อมูลเชิงสำรวจแต่ทั้งสองวิธีใช้อัลกอริทึมที่แตกต่างกันในการสร้างลำดับเสมือนนี้ สำหรับชุดข้อมูลที่กำหนด ลำดับเสมือนที่ได้จาก ITA แบบคลาสสิกและแบบอุปนัยมักจะแตกต่างกัน คำอธิบายโดยละเอียดของอัลกอริธึมที่ใช้ใน ITA แบบคลาสสิกและแบบอุปนัยสามารถพบได้ในSchrepp (2003)หรือSchrepp (2006) [1]ในบทความล่าสุด (Sargin & Ünlü, 2009) ได้มีการเสนอการปรับเปลี่ยนอัลกอริธึมของ ITA แบบอุปนัยบางประการ ซึ่งช่วยปรับปรุงความสามารถของวิธีการนี้ในการตรวจจับข้อสรุปที่ถูกต้องจากข้อมูล (โดยเฉพาะในกรณีที่มีอัตราข้อผิดพลาดการตอบสนองแบบสุ่มสูง) ${\displaystyle i\ลูกศรขวา j}$

ITA จัดอยู่ในกลุ่มวิธีการวิเคราะห์ข้อมูลที่เรียกว่าการ วิเคราะห์แบบบูลีนของแบบสอบถามการวิเคราะห์แบบบูลีนได้รับการแนะนำโดย Flament ในปี 1976 ^{[ 2 ]}เป้าหมายของการวิเคราะห์แบบบูลีนคือการตรวจหาความสัมพันธ์เชิงกำหนด (สูตรจากตรรกะบูลีนที่เชื่อมโยงรายการต่างๆ เช่น, , และ) ระหว่างรายการต่างๆ ของแบบสอบถามหรือแบบทดสอบ นับตั้งแต่ผลงานพื้นฐานของFlament (1976)ได้มีการพัฒนาวิธีการวิเคราะห์แบบบูลีนที่แตกต่างกันหลายวิธี ดูตัวอย่างเช่นVan Buggenhaut และ Degreef (1987) , Duquenne (1987)หรือTheuns (1994)วิธีการเหล่านี้มีเป้าหมายร่วมกันในการหาความสัมพันธ์เชิงกำหนดระหว่างรายการต่างๆ ของแบบสอบถามจากข้อมูล แต่แตกต่างกันในอัลกอริทึมเพื่อให้บรรลุเป้าหมายนี้ การเปรียบเทียบ ITA กับวิธีการวิเคราะห์ข้อมูลแบบบูลีนอื่นๆ สามารถพบได้ในSchrepp (2003 ) ${\displaystyle i\ลูกศรขวา j}$${\displaystyle i\wedge j\rightarrow k}$${\displaystyle i\vee j\rightarrow k}$

มีเอกสารงานวิจัยหลายฉบับที่อธิบายถึงการประยุกต์ใช้การวิเคราะห์แผนผังรายการอย่างเป็นรูปธรรม Held และ Korossy (1998)วิเคราะห์ผลกระทบของ ITA แบบคลาสสิกต่อชุด ปัญหา พีชคณิต การวิเคราะห์แผนผังรายการยังถูกนำมาใช้ใน งานวิจัยทางสังคมศาสตร์หลายชิ้นเพื่อทำความเข้าใจโครงสร้างของข้อมูลแบบสองตัวเลือก ตัวอย่างเช่น ในBart และ Krus (1973)มีการใช้ ITA รุ่นก่อนหน้าเพื่อสร้างลำดับชั้นของรายการที่อธิบายพฤติกรรมที่ไม่เป็นที่ยอมรับทางสังคม ในJanssens (1999)มีการใช้วิธีการวิเคราะห์แบบบูลีนเพื่อตรวจสอบกระบวนการบูรณาการของชนกลุ่มน้อยเข้าสู่ระบบคุณค่าของวัฒนธรรมหลัก Schrepp ^{[ 3 ]}อธิบายถึงการประยุกต์ใช้ ITA แบบอุปนัยหลายประการในการวิเคราะห์ความสัมพันธ์ระหว่างรายการของแบบสอบถามทางสังคมศาสตร์

เพื่อแสดงความเป็นไปได้ของการวิเคราะห์ชุดข้อมูลโดยวิธี ITA เราจึงวิเคราะห์ข้อความของคำถามข้อที่ 4 จากโครงการสำรวจทางสังคมศาสตร์ระหว่างประเทศ (ISSSP) ประจำปี 1995 โดยใช้วิธี ITA แบบอุปนัยและแบบคลาสสิก ISSSP เป็นโครงการความร่วมมือข้ามชาติประจำปีอย่างต่อเนื่องในการสำรวจหัวข้อสำคัญสำหรับการวิจัยทางสังคมศาสตร์ โครงการนี้ดำเนินการสำรวจหนึ่งครั้งในแต่ละปี โดยมีคำถามที่เทียบเคียงกันได้ในแต่ละประเทศที่เข้าร่วม หัวข้อของการสำรวจในปี 1995 คืออัตลักษณ์ของชาติเราวิเคราะห์ผลลัพธ์สำหรับคำถามข้อที่ 4 สำหรับชุดข้อมูลของเยอรมนีตะวันตก ข้อความสำหรับคำถามข้อที่ 4 คือ:

บางคนกล่าวว่าสิ่งต่อไปนี้สำคัญต่อการเป็นคนเยอรมันอย่างแท้จริง ในขณะที่บางคนกล่าวว่าไม่สำคัญ คุณคิดว่าแต่ละข้อต่อไปนี้สำคัญมากน้อยแค่ไหน : 1. การเกิดในประเทศเยอรมนี2. การมีสัญชาติเยอรมัน3. การอาศัยอยู่ในประเทศเยอรมนีเป็นส่วนใหญ่ของชีวิต4. ความสามารถในการพูดภาษาเยอรมัน5. การเป็นคริสเตียน6. การเคารพสถาบันทางการเมืองของเยอรมนี7. การรู้สึกว่าเป็นคนเยอรมัน

ผู้เข้าร่วมการทดลองมีตัวเลือกในการตอบคำถาม ได้แก่ สำคัญมากสำคัญไม่ค่อยสำคัญไม่สำคัญเลยและเลือกไม่ได้ในการนำ ITA มาใช้กับชุดข้อมูลนี้ เราได้เปลี่ยนหมวดหมู่คำตอบ โดย กำหนดให้ สำคัญมากและสำคัญเป็นรหัส 1 ไม่ค่อยสำคัญและไม่สำคัญเลยเป็นรหัส 0 และเลือกไม่ได้ถือเป็นข้อมูลที่ขาดหายไป ภาพต่อไปนี้แสดงลำดับเสมือนที่ได้จาก ITA แบบอุปนัยและITA แบบคลาสสิก${\displaystyle \leq _{IITA}}$${\displaystyle \leq _{CITA}}$

โปรแกรม ITA 2.0 ใช้ทั้ง ITA แบบคลาสสิกและแบบอุปนัย โปรแกรมนี้มีให้ใช้งานบน[2]เอกสารประกอบโปรแกรมฉบับย่อมีอยู่ใน[3 ]

ทฤษฎีการตอบสนองต่อรายการ