双因子模型CAT中多级评分项目选题策略的比较

扫码查看

原文链接

NETL

中文摘要：双因子模型假设测验考察一个一般因子和多个组因子,符合很多教育和心理测验的因素结构."维度缩减"方法将参数估计中多维积分计算化简为多个迭代二维积分,是双因子模型的重要特征.本文针对考察多级评分项目的计算机化自适应测验,首先推导双因子等级反应模型下Fisher信息量的计算,然后推导"维度缩减"方法在项目选择方法中的应用,最后在低、中、高双因子模式题库中比较D-优化方法、后验加权Fisher信息D优化方法(PDO)、后验加权Kullback-Leibler方法(PKL)、连续熵(CEM)和互信息(MI)方法在能力估计的相关、均方根误差、绝对值偏差和欧氏距离的表现.模拟研究表明:(1)双因子模式越强,即一般因子和组因子在项目上的区分度的差异越小,一般因子估计精度降低,组因子估计精度增加,整体能力的估计精度提高;(2)相同实验条件下,连续熵方法的测量精度最高,PKL方法的能力估计精度最低,其它方法的测量精度没有显著差异.

作者：

MAO Xiuzhen、毛秀珍、LIU Huan、刘欢、TANG Qian、唐倩

展开 >

作者单位：

四川师范大学教育科学学院,四川成都610068

关键词：

计算机化自适应测验多级评分项目选题策略双因子模型

主办单位：

中国教育技术协会

会议名称：

教育大数据与智慧测评暨教育测量与评价专业委员会第二届年会

会议时间：

2017-11-01

会议地点：

北京

会议母体文献：

教育大数据与智慧测评暨教育测量与评价专业委员会第二届年会论文集

页码：

1-17

出版时间：

2017