多维计算机化自适应测验中项目曝光控制选题策略的比较
在MCAT中考查四种项目选择指标在有无曝光控制条件下的选题表现.项目选择指标分别是:(1)贝叶斯的D优化方法(D-optimality)、后验期望Kullback-Leibler方法(KLP)、基于等权重复合分数的最小误差方差方法(the minimized error variance of the linear combination scorewith equal weight,V1)和基于最优权重复合分数的最小误差方差方法(the minimized error variance ofthe composite score with optimized weight,V2).将针对认知诊断CAT项目曝光控制的的限制阈值方法(Restrictive Threshold,RT)和限制进度(Restrictive Progressive,RPG)方法、单维CAT中的最大优先指标方法(Maximum Priority Index,MPI)推广到MCAT.模拟研究表明:(1)KLP,D-优化和V1对领域分数估计准确,能力返真性比V2更好.(2)尽管V1和V2方法相比KLP和D-优化方法提高了题库利用率,但这四种选题指标都产生不均匀的项目曝光率分布.(2)三种曝光控制策略都极大地提高项目曝光均匀性,且不明显降低测量精度.(3)MPI与RPG方法在曝光控制方面表现类似,且比RT的方法表现更好.
多维项目反应理论、计算机化自适应测验、选题方法、测量精度、项目曝光率
39
B841.2(心理学)
国家自然科学基金青年项目 31400897
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共10页
47-56