讀項目反應理論基礎(chǔ)摘記與總結(jié)

1、讀項目反應理論基礎(chǔ)摘記與總結(jié)IRT理論基礎(chǔ)。1）基本假設（只有滿足了這些假設，才可以使用IRT） （P13） a）作答反應反映了個體真實的行為表現(xiàn)。b）局部獨立性c）模型潛在特質(zhì)空間維度有限性假設。d）項目特征曲線的形式假設e）非速度測量假設。2）假設校驗（驗證是否可以使用項目反應理論）（P21）a）項目反應理論假設檢驗個體作答行為真實性檢驗a測驗中是否存在大量未作答的題目b被試總體得分分部偏離 預先c答案形式上的規(guī)律ABC-ABC-ABCd回訪e效度校驗應用被試擬合統(tǒng)計量（PFS） 項目觀察分數(shù)對數(shù)似然統(tǒng)計 量b）局部獨立性假設校驗Q3統(tǒng)計量c）特征空間維度檢驗一種測驗單維性檢驗的非參數(shù)方法

2、d）項目特質(zhì)曲線形式檢驗擬合性程度指標：皮爾遜卡方統(tǒng)計量：e）測驗速度性檢驗3）項目反應理論模型4）項目反應理論參數(shù)估計（P38）極大似然估計牛頓-拉夫遜迭代貝葉斯估計解決項目反應理論中參數(shù)、能力值的計算。5）等值？ （ P67）等值是將測量同一心理特質(zhì)的不同測驗分數(shù)或項目參數(shù)，通過一定的設計和數(shù)據(jù)模型，轉(zhuǎn)換到同一的單位系統(tǒng)中去的過程。解決測試同一能力不能任務參數(shù)的初值？能力分數(shù)的對比等等值設計（P69）描述了測驗已經(jīng)任務的設計原則。6）垂直量表化（P80）垂直量表化或垂直鏈接， 指的是在某個特質(zhì)領(lǐng)域內(nèi)， 在縱向發(fā)展的不同水平 （如年齡、年級）群體之間，建立關(guān)于全體和個體特質(zhì)水平發(fā)展狀況的評價

3、參考體系的過程?？梢栽u價和發(fā)現(xiàn)個體或者群體的動態(tài)發(fā)展水平和趨勢。7）信息量、信息函數(shù)（P91）0, 1題目類型使用聯(lián)合極大似然估計的流程JAVA MIRT 庫： HYPERLINK /meyerjp3/psychometrics /meyerjp3/psychometrics1）題庫初始以及參數(shù)估計使KgfiX狐理性計章由糧型節(jié)期霓隨目置行分靈、劇端.那送IL形成耳曾曜口內(nèi)打，相關(guān)慢之將欲其中參數(shù)的初始，如果選取3參數(shù)模型，是默認題目試測數(shù)據(jù)為標準正太分布，被試能力初值為標準分T,初始難度為該題目的通過率，初始區(qū)分度為經(jīng)典理論中項目的區(qū)分度，猜測系統(tǒng)為試題可選選項數(shù)的倒數(shù)。其中也可以參考書P4

4、5頁中參數(shù)的初始值設定。網(wǎng)上其他系統(tǒng)的初始值:卷序初檀亶澆期蠟束篇目初整叛據(jù)試即底量舂數(shù)測試該模塊包括試題的UTT參數(shù)陽計算和IRT參數(shù)12：計算等功能.試題的CTT參數(shù)計克.根據(jù)參朝試題參數(shù)沮試人員的愀蔻情況，使用CTT芟強標準分/Z- f（2 N三中川 是弟t十惻試的何能得分門=工W幾 方平均 n iv九5是蜘；也立”=+ */ :區(qū)分度為；。=且匕運（3fl式中 口心也分卻表示高分組孤依分組通過設題的人筌；n為悠組的人皴電比魁的舊1會的計算，對用1能力參數(shù)和原,量多數(shù)的估計劃.首先1按下列方式為靛力參敬.質(zhì)量參教指定初值：1m能力參數(shù)的初值二經(jīng)臭測量理論中的標準分2 ；IHT區(qū)分度參數(shù)的

5、初值二經(jīng)典測量理論中的姿度值*2是比例因子），苴中密度s ；左得IE揩劉等數(shù)的初值=試翦的可造有諛倒數(shù).在java的IRT的程序庫中參數(shù)初始過程ItemResponseVector口responseData =fileSummary .getResponseVectors( f, true );ItemResponseModel口 irm = new ItemResponseModel5;Irm3PLpl3 = null ;for ( int j = 0; j 5; j +) / 3PL pl3 = new Irm3PL(1.0, 0.0,1.702); pl3 .setName( newVa

6、riableName( item + ( j + 1); irm j = pl3 ; double quadPoints = 41; double min = -.8 * Math. sqrt ( quadPoints ); double max = -1 * min ;ContinuousDistributionApproximationlatentDistributionnewContinuousDistributionApproximation( (int ) quadPoints , min , max, 0, 1);!tIIJ/ estimate parametersMarginal

7、MaximumLikelihoodEstimationmmle =其中聯(lián)合極大似然估計的流程 P45newMarginalMaximumLikelihoodEstimation(responseData , irm痍代他力水平參聯(lián)與項的聯(lián)介槌大叔然怙程序?qū)峟it流程閽如m小2所小*出出假割施腔收0EH度，以當前國為已知*科.送代品ii破試唾打獸數(shù)讀入刑分斂累舐阿可施力效軻璃耳，數(shù)通曾林冷化T單 - 1，出飛前，為相隨春物估計由4 2彼試用選目鼠臺怯討靂標工在java的IRT庫中使用聯(lián)合極大似然估計StartingValues startingValues = newStartingValues

8、( responseData , irm ); irm = startingValues .computeStartingValues();1 MM ”由1為己知款件,送代信計XR，計耳恒例南最值口“乜產(chǎn)獷產(chǎn)爐、蒙取昌也故助她ML冷/小，latentDistribution）；DefaultEMStatusListeneremStatusemStatus );newDefaultEMStatusListener();mmle .addEMStatusListener( mmle .setVerbose( true );mmle .estimateParameters(1e-2, 500);mm

9、le .computeItemStandardErrors();數(shù)據(jù)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初始參數(shù)(使用的2參數(shù)) 區(qū)分度|難度0.68|-1.080.87|-1.410.68|-1.080.43|-0.944.1|0.03極大似然估計之后：區(qū)分度|難度0.14|-5.310.12|-9.9319.88|-0.779.18|-0.4620.4|0.12) 測評過程曷忙生投口號炭航母的茬日java

10、中通過參數(shù)以及作答，求出能力退出詞詞 jT-coat15善理優(yōu)區(qū)制-R*StPS&-DDL16弄1然:冬，是合整理送HIrtExaminee iVec = newIrtExaminee( irm );double mle = 0.0;double se = 0.0;iVec .setResponseVector( responseData 0);mle = iVec .maximumLikelihoodEstimate(-9, 9);se = iVec .mleStandardErrorAt( mle );勒孑能力汶吧區(qū)，竭也揖口D0System.out .println(mle );Syst

11、em.out .println(iVec .getTheta();Python的示例程序的測試流程是將題目分為 3個級別，然后每個級別出3道題 目，3道題目是從未出過的題目中隨機出。答題的流程較為簡單。以下部分是另一個程序的實現(xiàn)流程。 HYPERLINK /stevenMevans/AdaptiveTest /stevenMevans/AdaptiveTest0. Request next candidate: Set D=0, L=0, H=0, and R=0.Find next item near difficulty (D).Set D at the actual calibratio

12、n of that item.Administer that item.Obtain a response.Score that response.Count the items taken: L = L + 1Add the difficulties used: H = H + DIf response not correct,Target next item difficulty: D = D - 2/LIf response correct,Count right answers: R = R + 1Target next item difficulty: D = D + 2/LIf n

13、ot ready to decide to pass/fail,Go to step 1.If ready to decide pass/fail,Calculate wrong answers: W = L - REstimate measure: B = H/L + loge(R/W)If W = 0 then B = H/L + loge(R-0.5 / W+0.5)If R = 0 then B = H/L + loge(R+0.5 / W-0.5)For a more precise estimate of B, see Estimating Measures with Known ItemDifficultiesEstimate Error