-
题名不同铆测验设计下多维IRT等值方法的比较
被引量：5
- 1
-
-
作者
刘玥
刘红云
-
机构
四川省教育科学研究所
北京师范大学心理学院
-
出处
《心理学报》
CSSCI
CSCD
北大核心
2013年第4期466-480,共15页
-
基金
国家自然科学基金(31100759)
全国教育科学"十二五"规划教育部重点课题(GFA111001)资助
-
文摘
实际应用中测验往往具有多维结构,如果仍采用单维IRT方法进行等值,会得到不准确的结果。因此对于多维结构的测验,需要使用多维IRT等值方法来实现参数的转换。基于共同题设计,文章通过模拟研究的方法,考察了不同铆测验设计下几种多维IRT等值方法的表现,同时考虑了测验长度、两个维度题目数量的比例、铆测验长度、铆测验的选择策略、两个维度之间的相关和等值群体的能力水平差异六个因素的影响。所比较的多维IRT等值方法有:均值/均值(MM)方法,均值/标准差(MS)方法,Stoking-Lord(SL)方法,Haebara(HB)方法,最小平方(LS)方法。结果显示:(1)SL,HB和LS方法得到的等值误差均方根最小,且在各条件下表现较为稳定。(2)MM和MS方法在非等组条件下呈现出很大的误差均方根。(3)铆测验设计对SL,HB和LS方法的等值结果没有显著影响。(4)在两个维度之间的相关较高,测验长度和铆测验长度较长,等值群体的能力水平没有差异的条件下,SL,HB和LS方法得到的等值误差均方根最小。
-
关键词
测验等值
多维irt
均值
均值方法
均值
标准差方法
Stoking-Lord方法
Haebara方法
-
Keywords
test equating
Multidimensional Item Response Theory
Mean/Mean （MM） method
Mean/Sigma （MS） method
Stoking-Lord’s （SL） method
Haebara’s （HB） method
Least Square （LS） method
-
分类号
B841
[哲学宗教—基础心理学]
-
-
题名一种新的多维IRT模型——高阶IRT模型
- 2
-
-
作者
潘浩
-
机构
辽宁医学院国际教育学院
-
出处
《心理学探新》
CSSCI
北大核心
2015年第5期448-451,共4页
-
文摘
早期的单维IRT模型忽视了测验多维性的可能,而多维IRT模型对各维度的划分不够明确,不能良好反应各维度能力的内涵。高阶IRT模型承认测验的多维性,以分测验划分维度,同时又将多个维度的能力统一到一个高阶的能力中,能够在了解被试各维度能力的同时,为被试提供整体的能力估计,它能更好地反映实际,并且适应大规模测验的需求。
-
关键词
高阶irt
多维irt
单维irt
-
Keywords
H -O irt
Multidimensional irt
Unidimensional irt
-
分类号
B841.2
[哲学宗教—基础心理学]
-
-
题名多维数据IRT真分数等值和IRT观察分数等值研究
被引量：2
- 3
-
-
作者
刘玥
刘红云
-
机构
四川省教育科学研究所
北京师范大学心理学院
-
出处
《心理学探新》
CSSCI
北大核心
2015年第1期56-61,共6页
-
文摘
实际应用中测验往往具有多维结构,如果仍采用单维方法进行等值,会得到不准确的结果。研究基于随机等组设计下英语测验,使用MCMC方法估计题目参数,将单维IRT真分数等值和观察分数等值方法推广到多维。比较了四种等值方法:单维IRT真分数等值和观察分数等值,多维近似单维IRT真分数等值和观察分数等值。结果显示,当数据符合多维结构时:(1)基于多维测验的IRT真分数等值和观察分数等值方法优于单维IRT真分数等值和IRT观察分数等值方法;(2)多维IRT观察分数等值略优于多维IRT真分数等值,但是两者之间的差异较小。
-
关键词
测验等值
多维irt
真分数等值
观察分数等值
MCMC估计
-
Keywords
test equating
Mirt
true score equating
observed score equating
MCMC method
-
分类号
B841.2
[哲学宗教—基础心理学]
-
-
题名基于双因子模型的测验总分和维度分的合成方法
被引量：4
- 4
-
-
作者
刘玥
刘红云
-
机构
北京师范大学心理学部
-
出处
《心理学报》
CSSCI
CSCD
北大核心
2017年第9期1234-1246,共13页
-
基金
国家自然科学基金(31571152)
北京市与中央在京高校共建项目(019-105812)
+1 种基金
未来教育高精尖创新中心
中央高校基本科研业务费专项资金资助
-
文摘
双因子模型可以同时包含一个全局因子和多个局部因子,在描述多维测验结构时有其独特优势,近些年应用越来越广泛。文章基于双因子模型,提出了4种合成总分和维度分的方法,分别是:原始分法,加和法,全局题目加权加和法和局部题目加权加和法,并采用模拟的方法,在样本量、测验长度、维度间相关变化的条件下考察了这些方法与传统多维IRT方法的表现。最后,通过实证研究对结果进行了验证。结果显示:(1)全局加权加和法和局部加权加和法,尤其是局部加权加和法合成的总分和维度分与真值最接近、信度最高。(2)在维度间相关较高,测验长度较长的条件下,局部加权加和法的结果较好,部分条件下甚至优于多维IRT法。(3)仅有局部加权加和法合成的维度分能够反应维度间真实的相关关系。
-
关键词
双因子模型
多维irt
总分
维度分
-
Keywords
bi-factor model
multidimensional item response theory
overall scores
domain scores
-
分类号
B841
[哲学宗教—基础心理学]
-
