[项目反应理论简介.ppt

  1. 1、本文档共57页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
[项目反应理论简介

心理测量学 第十八讲 项目反应理论简介 内容提要: 项目反应理论的发展: (一)、经典测验理论 (一)、经典测验理论 1、CTT的理论体系很完善,是其他测验理论赖以产生的基石。优点有: 2、CTT在理论体系和方法体系方面存在许多其本身难以克服的缺点,具体表现为: 被试测验分数依赖于所施测项目的难度。 尽管存在以上缺点,CTT仍在广泛地应用。CTT、IRT和概化理论是当今最有影响的三种测验理论。 (二)、项目反应理论的发展 由于项目特征曲线(ICC)对项目反应理论的产生具有重要意义,所以在讲项目反应理论的产生和发展问题时,一般都追溯到1905年比奈和西蒙编制第一个智力量表时的工作,他们当时所使用的作业成绩随年龄增长而提高的散点图与现在的ICC曲线十分类似。 IRT的真正创立者是美国心理测量学家洛德(Lord)。1952年,洛德发表博士论文《一个测验分数的理论》,提出了IRT的第一个数学模型(Two-parameter Normal Ogive Model,双参数正态卵形曲线模型)及其参数的估计方法,并把该模型应用到了学业成绩和态度测量工作之中。 二、IRT的基本理论体系 (一)、概念 (二)、基本思想及基本思路 (三)、基本理论假设 (一)、概念 项目反应理论(Item Response Theory,简称 IRT),又称潜在特质理论(Latent Trait Theory)或项目特征曲线理论(Item Characteristic Curse Theory),是为了克服经典测验理论(CTT)的局限而提出的现代测验理论。 从测验的内部或微观方面入手,采取数学建模和统计调整的方法,重点讨论被试的能力水平与测验项目之间的实质性关系,测验的每一个项目都有自己的项目特征曲线,描述了每一个特定能力水平的被试答对或答错该项目的概率。 (二)、基本思想及基本思路 潜在特质: 把表现在一个人身上所特有的相对稳定的行为方式称为心理特质(trait),由于这种心理特质是隐含于其行为之中的,所以也称做潜在特质。 与CTT一样,IRT也认为被试的潜在特质是不能被观察和测量的,但却可以通过其外显行为表现出来。 用θ(theta)表示被试的潜在特质或能力,用Pi(θ)表示其对项目i正确反应概率,项目反应理论的关键就是确定θ与Pi(θ)间的函数关系。 表1 某个项目假设的项目特征曲线 维度 (三)、基本理论假设 1、潜在特质空间的单维性假设 2、局部独立性假设 3、项目特征曲线假设 4、非速度性假设 1、潜在特质空间的单维性假设(unidimensionality) 但严格的单维性是大多数测量工具都难以满足的,这也是IRT受到批评的主要原因。 2、局部独立性假设(local independence) 在项目反应理论中,常用一般的统计依存性和统计独立性概念来讨论项目间关系。 P(+,+)表示正确回答第i和第j个项目的概率 同理,其它的见课本。 P(+,+)= Pi(+) Pj(+) P(+, -)= Pi(+) Pj(-) P( -,+)= Pi(-) Pj(+) P( -, -)= Pi(-) Pj(-) 如何理解局部独立性假设呢? 3、项目特征曲线假设 IRT假定正确反应概率Pi(θ)与θ间存在规律性的变化关系,这种关系可以用一个数学函数的形式表示出来,这一函数称为项目反应函数(Item Response Function),项目特征曲线就是这一函数的图像。 大量事实证明,对两级记分的项目,被试的能力水平与他对项目的反应之间呈S型的曲线关系,而且这一关系具有相当的普遍性。 (1)难度参数bi 在一条ICC中,bi等于曲线在拐点处的θ值。 当猜测参数ci=0(曲线的下渐近线为0)时,bi等于Pi(θ)=0.50时的θ值,因为对一条完整的ICC,拐点恰好是曲线的中点和对称点。 当ci>0时, P(θ)=(1+c)/2 在IRT中, bi表示一个项目的难度,其取值范围一般在-3.0到+3.0之间。 bi越大,表示项目的难度越大。 从上图可以看出,项目2比项目1更难些,因为能力相同的同一组被试对项目1的正确反应概率要大于对项目2的正确反应概率。 在其他条件不变的情况下,增大项目的难度会使ICC向右平移。 (2)区分度参数ai 在一条ICC中,ai的大小决定曲线在拐点bi处的陡度。 ai很大时,在bi附近能力θ的增加会导致正确反应概率Pi(θ)有很快的增长; ai很小时,在bi附近能力θ的等量增加不会导致正确反应概率Pi(θ)有明显的增长。 ai的取值范围通常在0.30~2之间。 图 区分度参数ai对正确反应概率的影响 ai越大,曲线在bi附近就会越陡,项目在bi附近的区分能力就越大,但在远离bi的区域,曲线就会变得越平坦,项目的区

文档评论(0)

laideman + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档