Die Dissertation behandelt die Darstellung und Evaluierung regelgeleiteter Aufgabenkonstruktion am Beispiel von figuralen Reasoning- und mathematischen Textaufgaben sowie die Anwendung und den Vergleich von linear logistischen Testmodellen (LLTMs) und Kognitiven Diagnosemodellen (CDMs) als statistische Analysemethoden. Die Ergebnisse zeigen Rasch-Skalierbarkeit der Aufgaben und demonstrieren einen präzisen Aufgabenkonstruktions- und Analyseprozess. Die LLTM-Varianten liefern wichtige Einblicke in kognitive Lösungsprozesse und in die Zusammensetzung der Aufgabenschwierigkeit für beide Aufgabentypen genauso wie für einen implementierten Aufgabencloning-Ansatz und longitudinale Datenstrukturen. In der CDM-Anwendung zeigen sich erhebliche Modellierungsprobleme und Unangemessenheit des Ansatzes für die vorliegenden Aufgabenbeispiele. Hinweise bezüglich der Aufgabenkonstruktion, der statistischen Modelle und der Interpretation der Ergebnisse für Anwendung und Forschung werden herausgestellt.

The dissertation focuses on demonstration and evaluation of rule-based item construction of figural reasoning items and mathematical word problems and application as well as comparison of LLTMs and CDMs as statistical analysis methods. Results show Rasch scalability of items, confirm the importance of the chosen basic parameter sets and demonstrate precise item construction and analysis processes. It is shown how LLTM and its variants can contribute substantial insights into cognitive solution processes and composition of item difficulty in relational reasoning and mathematical word problems and also for item cloning and longitudinal data. However, CDM application detects severe modeling problems and misfit. Application hints regarding test item construction as well as statistical model application and interpretation of results for practitioners and researchers are pointed out.