计算机化自适应测验中能力估计新方法

发布时间：2022-01-14 20:23

　　能力估计的极大似然估计方法（MLE）不能处理全0或全1的被试反应模式,若事先设置好能力估计的上下界,则会导致能力估计的有效范围缩小的后果;而贝叶斯估计方法需要选择先验分布,先验分布的选择必须很慎重.在原有似然函数的基础上,构建2个新的项目,提出了改进的MLE方法（NMLE）.NMLE既不需要能力先验分布,也不会缩小能力估计范围,而且可以处理各种反应模式.蒙特卡洛实验结果表明新方法表现良好. 

【文章来源】：江西师范大学学报(自然科学版). 2019,43(02)北大核心

【文章页数】：5 页

【文章目录】：
0 引言
    0.1 极大似然能力估计方法
    0.2 贝叶斯众数估计方法
    0.3 期望后验估计方法
    0.4 改进MLE的能力估计新方法
    0.5 新方法的合理性和可行性
1 模拟实验
    1.1 被试及题库模拟
    1.2 模拟CAT的施测过程
    1.3 评价指标
    1.4 实验结果及其分析
2 讨论


【参考文献】：
期刊论文
[1]多维计算机化自适应测验选题策略的开发及比较[J]. 韩雨婷,涂冬波,王潇濛,刘馨婷,汪大勋.  心理科学. 2017(04)
[2]四参数Logistic模型潜在特质参数的Warm加权极大似然估计[J]. 孟祥斌,陶剑,陈莎莉.  心理学报. 2016(08)
[3]多种分层方法在CAT校准误差中的应用研究[J]. 李佳,丁树良.  江西师范大学学报(自然科学版). 2016(01)
[4]多维计算机化自适应测验:模型、技术和方法[J]. 毛秀珍,辛涛.  心理科学进展. 2015(05)
[5]基于平均数形式的选题策略比较[J]. 李佳,丁树良,方剑英.  江西师范大学学报(自然科学版). 2015(01)
[6]计算机化自适应测验中几种常用能力估计方法的特性与评价[J]. 张心,涂冬波.  中国考试. 2014(05)



本文编号：3589153