单组设计中三种基于CTT的等值方法群体不变性的研究

本研究对单组设计中平均数等值、线性等值和等百分位等值三种等值方法的群体不变性进行了探讨。研究数据来自中国汉语水平考试,考生按性别被分为不同的子群体。研究结果表明,平均数等值和线性等值两种方法在子群体和总体考生中的等值转换关系很接近,具有较好的群体不变性;而等百分位等值法在子群体和总体考生中的等值结果差异较大,群体不变性较差。     

基于IRT的共同题非等组设计中五种项目参数等值方法的比较研究

本文采用共同题非等组设计,对五种基于IRT的项目参数等值方法进行比较研究。研究数据来自湖北某试点地区课改实验区和非课改区考生在标准化中考数学科目的考试数据,兼用大样本标准和其他标准作为各等值方法比较的检验标准,以RMSD指标作为操作性检验标准,利用STUIRT程序进行等值分析。研究结果表明,针对本研究所设置的等值情境,MS方法稳健性最差,对于项目难度参数的等值,同时校准方法最好,其次是SL特征曲线法,对于项目区分度参数的等值,MM方法精确性最好。     

IRT理论不同模型下同时校准等值方法的跨样本研究

本研究基于IRT理论中最常用的LOGISTIC三种模型来探讨等值的跨样本一致性,研究对象为某一汉语类别的测验,等值方法采用同时校准法。研究结果表明,双参数模型下同时校准法等值跨样本一致性最好,最为稳定。     

考生能力分布与被试量对IRT等值的影响

基于项目反应理论中的LOGISTIC双参数模型研究共同题非等组设计下,考生能力分布与被试量对等值的影响。等值方法采用分别校准下的项目特征曲线法、Stocking-Lord法、Haebara法。等值结果采用等值分数标准误、等值系数标准误、共同题参数稳定性三种方法进行评价。研究结果表明,考生能力分布越接近,被试量越大,等值误差越小;且Stocking-Lord法较Haebara法的等值结果更稳定。     

新汉语水平考试HSK(六级)平均分等值法实施方案

对新汉语水平考试(HSK)而言,"铆题"的等值方法不可行,单组设计的"铆人"等值方法也缺乏可操作性。面对等值的实际需求,新HSK选择了"平均分等值法"进行等值。本文是为HSK(六级)设计的平均分等值法实施方案,其流程同样适用于新HSK其它等级的考试。     

英语水平考试(EPT)客观性试题的等值方法

全国外语水平考试(WSK)已经开考8次,我们在试题的信度与效度方面作了一些工作。首先在命题过程中尽量使所测内容符合考试大纲的各项要求,包括基本的知识和对语言运用能力的基本要求。此外通过具体的等值方法使各次考试的试题基本保持在同一难度水平上。每套试题中的客观性题目(不包括听力部分)都进行过等值实验;同时,在主观性试题的评分信度方面也采取了一定的措施。本文仅就全国外语水平考试(WSK)中的一种—英语水平考试(EPT)客观性试题的等值方法作一介绍。     

为什么要推行标准分制度

考试后的试卷通过评审得出来的分数,叫做原始分数。在我国多数考试中习惯用百分制记分。在传统考试中,人们只注意考生的原始分数的多少,而不对原始分数进行科学的分析与处理。这种以原始分数表示考试成绩的方法,存在严重的弊端: 其一,原始分数的单位不等值。在考试中,人们都是用“分”作分数单位的。“1分”所表示的意义是什么?价值是     

预测高考考生能力水平 调控高考试题难度研究探新

在我国,社会各界普遍希望高考历年分数线基本保持不变,但是由于每年题目不同,考生能力水平也有波动,要实现上述目标就需要预测考生能力水平并据此调控试题难度。本研究基于课题组2010年起在海南和云南试点的高考等值研究,根据项目反应理论对外锚卷进行题目参数的估计,结合条件最大似然估计和同时校准的方法,使各试卷的能力水平均置于同一量尺。再以回归和K近邻法建立外锚卷和高考能力水平间的预测关系,并以2014年的高考数据进行检验。结果显示,在英语和数学(文、理)上,回归方法对2014年考生能力水平的预测精度都较高,K近邻法仍需进一步改进。     

考试成绩

某校对新转来的三名同学张茜、刘宏、苏锋进行了若干科目的考试,以便了解他们每人的学习情况。这次考试的记分方法比较特殊,各科都是根据考得的名次记分,第一名记分最多,其     

全国英语等级考试锚测验非等组设计中样本量对等值结果的影响

本研究采用锚测验非等组设计,探究了锚测验样本量的变化对等值结果的影响。数据来自全国英语等级考试(PETS),使用以Bigsteps为核心的自主改进软件,基于Rasch模型估计题目参数。为了探究等值结果对合格分数线的影响,本研究对比了不同样本量锚测验参数估计值与锚题参数给定值的差异,并对不同样本量锚测验得出的实考试卷等值结果与最大样本量锚测验得出的实考试卷等值结果进行了差异分析。结果表明,当锚测验样本量达到150时,等值结果比较稳定。这一结果表明,PETS设定的300人左右的锚测验样本量是合理的。