多维计算机化自适应测验中项目曝光控制选题策略的比较

发布时间：2023-02-10 16:43

　　在MCAT中考查四种项目选择指标在有无曝光控制条件下的选题表现。项目选择指标分别是:(1)贝叶斯的D优化方法(D-optimality)、后验期望Kullback-Leibler方法(KLP)、基于等权重复合分数的最小误差方差方法(the minimized error variance of the linear combination scorewith equal weight,V1)和基于最优权重复合分数的最小误差方差方法(the minimized error variance ofthe composite score with optimized weight,V2)。将针对认知诊断CAT项目曝光控制的的限制阈值方法(Restrictive Threshold,RT)和限制进度(Restrictive Progressive,RPG)方法、单维CAT中的最大优先指标方法(Maximum Priority Index,MPI)推广到MCAT。模拟研究表明:(1) KLP,D-优化和V1对领域分数估计准确,能力返真性比V2更好。(2)尽管V1和V2方法相比KLP和D-优化方法...

【文章页数】：10 页

【文章目录】：
1 引言
2 选用的多维项目反应理论模型和能力估计方法
    2.1 多维两参数逻辑斯蒂克模型 (Multidimensional two parameters Logistic Model, M-2PL)
    2.2 最大后验能力估计方法 (maximize a posterior estimation, MAP)
3 项目选择指标和曝光控制策略
    3.1 项目选择指标
        3.1.1 贝叶斯D-优化方法
        3.1.2 后验期望KL信息量方法 (Posterior Expec-ted KL information, KLP)
        3.1.3 基于相等权重复合能力最小误差方差方法 (V1)
        3.1.4 基于最优权重复合能力最小误差方差方法 (V2)
    3.2 项目曝光率控制策略
        3.2.1 RT方法
        3.2.2 RPG方法
        3.2.3 最大优先指标方法
4 方法
    4.1 模拟研究的设计方法
        4.1.1 题库的模拟
        4.1.2 模拟被试的真实能力水平和作答反应
        4.1.3 能力估计方法
        4.1.4 项目选择方法和测验终止规则
        4.1.5 评价指标
5 模拟数据的结果
    5.1 能力估计结果
    5.2 项目曝光率分布结果
6 结论与讨论



本文编号：3739534