Cílem této publikace je představení stále populárnější metody počítačového adaptivního testování (CAT) v oblasti kinantropologie. Přizpůsobením testu úrovni jednotlivých respondentů nabízí CAT řadu teoretických a metodologických výhod, které mohou výrazně ovlivnit testování teoretických konstruktů.
První část monografie se věnuje historickým, teoretických a koncepčním základům CAT včetně popisu Teorie odpovědi na položku (IRT). Praktická aplikace CAT je posléze ve druhé části hodnocena pomocí Monte-Carlo simulací na příkladu Physical Self-Description Questionnaire – nástroje, který je široce používán k hodnocení tělesného sebepojetí v oblasti psychologie a psychologie sportu.

Kniha pojednává aktuální problematiku počítačového adaptivního testování (CAT, Computerized Adaptive Testing) a možnosti jeho aplikace v kinantropologii. Důraz je kladen na výklad simulačního ověření CAT přístupu při administraci dotazníku Physical Self Description Questionnaire (PSDQ).
Počítačové adaptivní testování je sofistikovaná metoda realizace přezkoušení nebo testování postupným výběrem položek z rozsáhlejší sady položek. Výzkumníci a metodologové se jí zabývají skoro 40 let. Použití CAT v kinantropologii bylo ale zatím minimální (na rozdíl od psychologie nebo pedagogiky, ale i medicíny a některých oblastí sociologie a behaviorálních věd) a proto je tato pojednaná problematika velkým příspěvkem v tomto oboru.
(...)
Čtenáře si kniha najde u všech zájemců o problematiku adaptivní počítačového testování. Seznamuje podrobně na obecné úrovni, ale s velkou didaktickou citlivostí, se základy teorie položek (IRT) pro binární a polytomický případ. Vysvětluje princip adaptivního testování s využitím IRT teorie a roli simulace při odhadu parametrů modelu.
V závěru knihy jsou zmíněny i omezení provedené analýzy možností CAT při administraci PSDQ. Šlo o simulaci Monte Carlo bez použití reálných dat. Bylo prokázáno, že redukce počtu potřebných položek je 40-60%. Tato okolnost dobře demonstruje výhody CAT.

Z recenzního posudku: Prof. RNDr. Jan Hendl, CSc.