多面Rasch模型分析软件Facets在英语测试中的应用.pdfVIP

《中国英语教育》2009年第2期，总第24期 EnglishEducationinChina Number2,2009 多面Rasch模型分析软件Facets在英语测试中的应用 1 2 石志亮 ，韩宝成 （1. 中原工学院 外语系，郑州450007，河南 ； 2. 北京外国语大学 中国外语教育研究中心，北京100089） 提要： 提要： 提提要要：：本文阐释了多面Rasch 模型的原理，并就其分析软件Facets在国内外英语测试中的研究现状做了 评述；然后，通过实例重点讲述了如何运用Facets软件进行实验设计、编写分析语句、运行程序，以及如 何从考生面、评分者面、评分标准面等对产生的图表进行解读。 关键词： 关键词： 关关键键词词：：多面Rasch模型; Facets; 英语测试；应用 中图分类号：H319 文献标识码：A 中图分类号：H319 文献标识码：A 中中图图分分类类号号：：HH331199 文文献献标标识识码码：：AA 1. Rasch 1. Rasch 11.. 多面RRaasscchh模型的原理 Rasch 模型由丹麦数学家Georg Rasch 于1960 年提出，它是项目反应理论（item response theory, IRT）中最重要的模型。Rasch模型根据被试回答问题的情况，通过对题 目特征函数的运算，来推测被试的能力。Rasch模型超越了以往任何理论，它深入测验的 微观领域，将被试特质水平与被试在项目上的行为关联起来并且将其参数化、模型化， 是通过统计调整控制误差的最好方法；它把项目难度参数与能力参数定义在同一个量 表上，在此模型分析中考生能力与试题参数完全独立；它可以在无样本的情况下对考生的 真分数或能力水平进行估计(Bachman,1999)。另外，通过 Rasch模型测得的被试能力水 平，可以精确估计其测量误差。 自Rasch模型建立以来，许多学者试图将模型改进和推广以适应不同的情形。主要工 作之一就是为模型添加参数（如，难度、区分度和猜测系数等），使模型与数据更加吻合， 其中最为突出的是由芝加哥大学学者John Michael Linacre 于1989 年提出的多面Rasch 模式(many-facet Rasch model)。Rasch模型是双面（被试能力和试题难度）模型，也是单 参数模型，对于项目只考虑难度这一个参数（difficulty index）； 若对这一模型进一步拓展， 又考虑到区分度参数（discriminative powder index）时，它就是一个双参数（三面）模型； 三参数（四面）模型则又把猜测系数（guessing index）也作为一个因素加以考虑。双参数 以上的Rasch模型被称为多面Rasch模型。多面Rasch模型继承了Rasch模型的特点并 将此模型扩展到包括更复杂测试条件的研究。多面Rasch模型认为测试结果除受被试能力 和试题难度两个面影响外，还受更多个面，如评分员严厉程度等的影响。在测量分析中实际 设定的面在数量上没有特殊规定，研究者可以根据实际研究的目的确定面的数量。多面模型 主要应用于主观性评价的客观化分析，拓展了IRT理论在测评领域的应用空间。 多面Rasch模型目前广泛应用在心理和教育测量领域，计算机自适应测试（CAT）也 是仰赖IRT的理论与技术。在英语主观测试中，受评分员效应等因素影响，主观评分往往 存在各种不一致性，从而导致主观评分的信度降低。Bachman(1999)认为，测试分数要想 有效，首先必须是可靠的，即测试信度是效度的基础。多面Rasch模型提供的统计框架可 以消除英语主观测试评分中各个方面的因素对于评分结果的影响，从而提高评分结果的信 度。因为多面Rasch模型除了考生能力和试题难度两个面以外，还将评分员以及评分量表 等因素加入了模型，此外还能利用这一模型进行偏差分析，这样它不仅可以分析考生能力和 试题难度不同所导致的差异，而且可以找出由其它因素导致的误差来源，从而为考察评分员 的评分信度提供参考(刘建达，2007)。 2 Rasch 2 Rasch 22．多面RRaasscchh模型的研究现状 目前国内外有关多