IRT测验等值模型的选择——以广东佛山市中考数学实测数据为例.pdfVIP

量 andMeasurement IRT测验等值模型的选择 以广东佛山市中考数学实测数据为例 一黎光明 张敏强 摘要：以广东省佛 山市中考数学实测数据为例，说明IRT测验等值模型的选择过程，其基本步骤包括等 值设计、参数估计、量表化和测验等值等。供选择的四种IRT测验等值模型分别为sL、SN、NR和GPCM模 型。分析发现，等值误差由小到大依次是sL、SN、NR和GPCM，SL与GPCM、NR存在显著性差异(p0．001)， SN与GPCM、NR存在显著性差异(p0．001)，GPCM与NR存在显著性差异(p0．001)，但SL与SN不存在显 著性差异(p0．05)。结果表明：(1)从模型等值的效果看，sL和sN最优且相当，NR等值效果欠佳，GPCM等 值变异最大，效果最差；(2)选择IRT的sL或SN等级反应模型进行此类测验等值较为合适。 关键词：中考数学实测数据；项 目反应理论(IRT)；测验等值；心理与教育测量 【中图分类号】G405 文【献标识码】A 文【章编号】1005—8427(2012)02—0008—6 近年来，国内一些学者 131一对等值设计及方法 1 引言 均有探讨 ，但对等值模型的比较研究较少。实际 测验等值是项 目反应理论研究的重要 内容，是 上，在测量理论的实际应用中，如进行题库建设或 题库建设和进行 自适应测验的基础。测验等值的 自适应测验，需要选择合适的反应模型来进行等 目的是为了将不同测验形式的分数转换到同一个 值，不同的模型适合于不同的等值数据 。与CT~等 分数量尺上，以便将不同的测验结果进行 比较 。 值模型相 比，由于IRT等值模型能够进行项 目参数 不论是基于经典测量理论 (ClassicTestTheory， 等值，IRT等值模型具有更多优点，所应用的范围更 CTT)的测验分数等值 ，还是基于项 目反应理论 为广泛 1。但是 ，IRT存在多种反应模型，既有二级 (ItemResponseTheory，IRT)的测验分数等值 ，由 反应模型，也有多级反应模型，所选择的反应模型 于存在各种模型、设计和方法 ，人们不得不对它们 不同，可能会有不同的等值结果。国内以往的一些 进行比较，以选择出适合数据资料的模型、设计和 IRT等值研究 ”1，大多数是基于某一种模型之下，没 方法 。 有考察多种反应模型等值比较问题。那么，这就存 8 l中国考试 ：：2012年第2期 在以下问题：一是没有给出所选等值模型的充分理 学”实测数据 。2005年佛山市普教进行课程改革， 由，虽然有些研究给出了一些模型资料检验的一些 分为 “课改实验区”和 非“课改实验区”。“中考数学” 指标，但检验并不充分；二是所选模型可能存在多 相应分为课改区的测验x和非课改区的测验Y。课 种，理论上应该一一检验并进行比较 ，仅考察一种 改区有考生50902人 ，非课改区有考生 10882人 。 模型，其做法显得主观化。因此，对IRT~J]验分数等 测验x、测验Y各有24道题 ，其中客观题 15道，主观 值，需要比较供等值的多种反应模型。 题9道。测验x和测验Y有一个锚测验V，测验V的 Kolen和Brennan(2004)[根据不同模型的等值 主客观题共9道 。 要求 ，给出了经典测量理论下不同等值模型的观察 2．2等值设计与方法 分