基于IRT模型的数学学业成就水平测试分析

对不同类型学校的774名有效被试实施数学学业成就水平测试,并应用IRT参数模型方法进行分析,得出四点判断:(1)测验分数、最优分数呈负偏态分布;(2)测验信息函数负向偏移,大体呈现双峰波形;(3)主观性试题与逻辑斯蒂模型的拟合性较差;(4)不同类型学校学生的数学学业成就水平存在显著性差异。     

《现代教育技术》精品课程自适应测试系统的设计

评价方式的改革是当前教育教学改革的重要内容之一,本文在阐述项目反应理论的基础上,给出一种基于三参数逻辑斯蒂模型的自适应在线测试系统的体系结构,分析了该系统的题库建立过程、选题算法、能力评估算法以及测试终止条件,并针对<现代教育技术>国家精品课程设计了自适应测试的原型系统MET-CATS,分析了系统自适应测试的运行过程和评价过程.     

三参数等级反应模型及其信息函数的应用

项目反应理论（Item Response Theory,IRT）是现代教育心理测量领域中最有影响的一种测量理论,它的一个明确目标是扩展模型的种类以至于能够处理实际测试中任何形式的反应数据。在已有的各种模型研究中,对于多级评分项目,只考虑到项目区分度和难度。但在实际测验中,此类项目还可能存在猜测度。本研究基于Samejima等级反应模型,将项目猜测度融合到多级评分模型中,提出了三参数等级反应模型（Three-parameter Graded Response Model,3PL-GRM）。由于忽略多级反应项目的猜测度会使得该项目的信息量虚假升高,本研究还进一步将3PL—GRM的信息函数应用到试卷质量分析中。     

非参数高斯核平滑法估计能力值的精度

单维非参数项目反应理论(NIRT)假设数据满足单维性、单调性和局部独立性三个假设,不要求数据拟合某种特殊的函数形态。非参数高斯核平滑法能根据数据本身的特点,构拟NIRT的项目反应函数,估计被试的潜在能力值。实验模拟了42套拟合单维双参数逻辑斯蒂模型的数据,比较了非参数高斯核平滑法在题量和被试样本数2个因素不同水平下估计被试能力值的精度。结果表明:样本数对方法的估计精度没有显著影响;题量的增加能较好改善估计的精度。在测试实践中,应采用不同的题量设计,以满足估计精度的要求。     

IRT在计算机自适应测验与认知诊断中的应用

项目反应理论(Item Response Theory,IRT)是在克服经典测验理论局限性的基础上发展起来的,在单维性、局部独立性和单调性的前提假设下,更具有优越性。它以潜在特质理论为基础,采用项目特征曲线假设对其进行建模,产生了三个最基本的模型:正态肩型曲线模型、拉希模型和逻辑斯蒂模型。指出了IRT在实际应用中取得实质性进展的两个方面:计算机自适应测验和认知诊断。     

基于WEB的计算机自适应考试系统的设计与实现

介绍了项目反应理论(IRT)的基本理论和计算机化自适应测试(CAT)的实现过程。并在Visual Stu-dio.net2003的环境下,以SQL作为后台数据库,以三参数Logistic模型为项目反应模型,开发了一个基于WEB的CAT系统。     

利用项目信息函数编制物理试卷的方法

介绍了项目信息函数及其性质，提出了用项目信息函数这种方法选择物理试题的实例。     

计算机自适应性测验的数学模型研究

本文讨论了一种教育评价方式———计算机自适应性测验 (CAT) ,分析了常规测验存在的弊端 ,指出CAT因其众多的优点必将取代常规测验。分析了适合于CAT实现的数学模型———逻辑斯蒂模型 ,并利用三维逻辑斯蒂模型从测验算法上实现CAT     

基于IRT的自动组卷算法模型研究

基于项目反应理论(IRT),采用离差加权值最小和测验项目信息函数值最高两个目标规划相结合的办法,设计了一个新的自动组卷数学模型。该模型克服了经典测量理论(CTT)的种种局限,有效解决了计量指标——信息量与非计量指标——题型分布、知识点分布等约束条件计算量纲不同的问题,很好地体现了测试项目信息函数值最高的组卷目标。     

“马尔可夫链蒙特卡洛”(MCMC)方法在估计IRT模型参数中的应用

本文介绍和阐述怎样运用“马尔可夫链蒙特卡洛”(MCMC)技术,并结合Bayes方法来估计IRT的模型参数。首先简要地概述了MCMC方法估计模型参数的基本原理;其次介绍MCMC方法估计模型参数的一般方法,涉及Gibbs抽样、取舍抽样、Metropolis-Hastings算法等概念和方法;最后以IRT的“二参数逻辑斯蒂”(2PL)模型为例,重点介绍了用“Gibbs范围内的M-H算法”估计项目参数(β1jβ2j)的算法过程。结束本文时还解说了MCMC方法的特点。阅读本文需具有随机过程、Markov链、Bayes方法等概率论的基本知识。