融合反应时的多级评分IRT模型开发及其应用研究
当前大多数融合反应时的IRT模型仅适用于0-1评分数据资料，极大的限制了IRT反应时模型在实际中的应用。本文在传统的二级计分反应时IRT模型基础上，拟开发一种多级评分反应时模型。在层次建模框架下，分别采用拓广分部评分模型（GPCM）和对数正态模型构建融合反应时的多级评分IRT模型（本文记为JRT-GPCM），并采用全息贝叶斯MCMC算法实现新模型的参数估计。为验证新开发的JRT-GPCM模型的可行性及其在实践中的应用，本文开展了两项研究：研究1为模拟实验研究，研究2为新模型在大五人格-神经质分量表中的应用。研究1结果表明，JRT-GPCM模型的估计精度较高，且具有较好的稳健性。研究2表明，被试的潜在特质与作答速度具有一定的正相关，且本研究结果支持Ferrando和Lorenzo-Seva（2007）提出的“距离-困难度假设”，即当被试的潜在特质与项目的难度阈限距离越远，那么被试会花费更多的时间对项目进行作答。总之，本研究为拓展反应时信息在心理测量及教育中的应用提供新的方法支持。
项目反应理论-GPCM模型、MCMC算法
B841.2(心理学)
2023-02-06（万方平台首次上网日期，不代表论文的发表时间）
共10页
269-278
