读《项目反应理论基础》摘记与总结.docxVIP

读《项目反应理论基础》摘记与总结.docx

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
读《项目反应理论基础》摘记与总结

读《项目反应理论基础》摘记与总结IRT理论基础。1)基本假设(只有满足了这些假设,才可以使用IRT)(P13)a) 作答反应反映了个体真实的行为表现。b) 局部独立性c) 模型潜在特质空间维度有限性假设。d) 项目特征曲线的形式假设e) 非速度测量假设。2)假设校验(验证是否可以使用项目反应理论)(P21)项目反应理论假设检验个体作答行为真实性检验a 测验中是否存在大量未作答的题目b被试总体得分分部偏离预先c 答案形式上的规律 ABC-ABC-ABCd 回访e 效度校验应用被试拟合统计量(PFS)项目观察分数对数似然统计量局部独立性假设校验Q3统计量特征空间维度检验一种测验单维性检验的非参数方法项目特质曲线形式检验拟合性程度指标:皮尔逊卡方统计量:测验速度性检验3)项目反应理论模型4)项目反应理论参数估计(P38)极大似然估计牛顿-拉夫逊迭代贝叶斯估计解决项目反应理论中参数、能力值的计算。5)等值?(P67)等值是将测量同一心理特质的不同测验分数或项目参数,通过一定的设计和数据模型,转换到同一的单位系统中去的过程。解决测试同一能力不能任务参数的初值?能力分数的对比等等值设计(P69)描述了测验已经任务的设计原则。6)垂直量表化(P80)垂直量表化或垂直链接,指的是在某个特质领域内,在纵向发展的不同水平(如年龄、年级)群体之间,建立关于全体和个体特质水平发展状况的评价参考体系的过程。可以评价和发现个体或者群体的动态发展水平和趋势。7)信息量、信息函数(P91)0,1题目类型使用联合极大似然估计的流程JAVA MIRT库:/meyerjp3/psychometrics题库初始以及参数估计其中参数的初始,如果选取3参数模型,是默认题目试测数据为标准正太分布,被试能力初值为标准分T,初始难度为该题目的通过率,初始区分度为经典理论中项目的区分度,猜测系统为试题可选选项数的倒数。其中也可以参考书P45页中参数的初始值设定。网上其他系统的初始值:在java的IRT的程序库中参数初始过程ItemResponseVector[] responseData = fileSummary.getResponseVectors(f, true);ItemResponseModel[] irm = newItemResponseModel[5];Irm3PL pl3 = null;for (intj = 0; j 5; j++) {// 3PLpl3 = new Irm3PL(1.0, 0.0, 1.702);pl3.setName(newVariableName(item + (j + 1)));irm[j] = pl3;}doublequadPoints = 41;doublemin = -.8 * Math.sqrt(quadPoints);doublemax = -1 * min;ContinuousDistributionApproximationlatentDistribution = newContinuousDistributionApproximation((int) quadPoints, min, max, 0, 1);StartingValuesstartingValues = newStartingValues(responseData, irm);irm = startingVputeStartingValues();其中联合极大似然估计的流程P45在java的IRT库中使用联合极大似然估计// estimate parametersMarginalMaximumLikelihoodEstimationmmle = newMarginalMaximumLikelihoodEstimation(responseData, irm,latentDistribution);DefaultEMStatusListeneremStatus = newDefaultEMStatusListener();mmle.addEMStatusListener(emStatus);mmle.setVerbose(true);mmle.estimateParameters(1e-2, 500);puteItemStandardErrors();数据示例item1,item2,item3,item4,item51,1,1,1,10,0,1,1,01,1,1,0,01,1,0,0,01,1,1,1,11,1,1,1,10,1,1,1,01,1,1,1,11,1,0,0,0初始参数(使用的2参数)区分度||难度0.68||-1.080.87||-1.410.68||-1.080.43||-0.944.1||0.03极大似然估计之后:区分度||难度0.14

文档评论(0)

xcs88858 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8130065136000003

1亿VIP精品文档

相关文档