小样本情况下试题Logistic IRT参数估计研究综述.pdfVIP

2014年第 6期 奢 m 硼 艽 No．6，2014 (总第47期) EXAMINATIONSRESEARCH GeneralNo．47 小样本情况下试题 LogisticIRT参数估计研究综述 汪存友 [摘 要] 回顾国内外有关小样本情况下估计试题的LogisticIRT参数的研究，可以总结出六 种参数估计方法，分别是：修改IRT模型法、提供先验信息法、人工神经网络法、非参数估计法、经典 测验理论标准化法以及使用数据增强技术。后续研究应加强对已有参数估计方法的改进，使用包括 标准误在 内的多种误差指标，在250人 以内的样本水平上，采用模拟数据与真实数据相结合的模拟 实验法开展更加严谨的模拟研究。 [关键词] 小样本；项 目反应理论；试题参数估计 [中图分类号] G427．74 [文献标识码] A [文章编号] 1673—1654(2014)06—048—013 某种算法进行迭代运算，求取使得似然函数最大化 一 、 问题 的提出 的IRT参数估计值。常见的 IRT参数估计软件 LOGIST、BILOG—MG、MULTILOG、PARSCALE等 皆 项 目反应理论 (ItemResponseTheory，IRT)是实 是如此(DuToit，2003)。采用数理统计方法估计试 施计算机化 自适应测验 (ComputerizedAdaptiveTest， 题的IRT参数时，考生样本量(samplesize)必须足够 CAT)的理论基础 (漆书清等，2002)。实施 CAT，必 大，才能得到标准误足够小的参数估计值 (余嘉元， 须首先建立题库(itembank)。题库并不是试题的简 2002)。Lord(1968)指出，估计 3PLM的试题参数时， 单罗列，它必须获得 IRT模型中的试题参数，例如三 考生样本量应至少达到 1000人 。然而，大样本量在 参数 LogisticIRT模 型 (three—parameterlogistic 实际应用中很难获得，主要有两方面的原因：一是有 model，3PLM)中的难度、区分度及猜测系数。通常的 些测验的目标群体本身就比较小，如面向课堂教学 做法是，将需要估计参数的试题编制在一份试卷上， 的测验、面向特殊人群或临床的测验 ，考生数通常不 预先组织一批考生进行测试 ，获得考生在试题上 的 足百人；二是出于试题保密的考虑，参加预测的考生 作答资料，然后采用某种参数估计算法，得到试题 数不宜过多，以便控制试题的曝光率。因此，探讨小 IRT参数 的估计值，这一工作称 为 “预测 (pre— 样本情况下的IRT参数估计历来就是 IRT的重要研 test)”。目前，IRT参数估计算法主要采用数理统计 究课题 。正如Baker(1987)所指出的：“开发适用于 方法，如联合极大似然估计法 (JMLE)、边际极大似 小样本情况下的参数估计方法以及用户友好的参数 然估计法 (MMLE)、贝叶斯估计法 (Bayesian)等，其 估计软件，是绝对有必要的。” 核心思想是：根据 IRT模型和考生在试题上的作答 迄今为止，人们提出了哪些小样本情况下估计 反应，构建包含试题 IRT参数的似然函数，然后采用 IRT参数的方法?每种方法的参数估计性能如何? 作者简介 汪存友，博士，副教授 ，山西师范大学教育技术与传媒学院。山西临汾，041004。 项 目基金 全国教育科学“十二五”规划教育部考试专项课题 “人工神经网络在小样本试题IRT参数估计中的应用研究 (GFA111008)”。 ．— -— — — 48 ．——