Higher-OrderIRT与Higher-OrderDINA混合模型探究-ntcuir.PDF

國立臺中教育大學教育測驗統計研究所博士論文 指 導 教 授：郭伯臣 博士 Higher-Order IRT 與 Higher-Order DINA混合模 型探究 研 究 生：楊智為 撰 中 華民 國 一 ○ 三 年 一 月 I 致 謝 終於走到了這一步，誠摰的感謝指導教授郭伯臣博士，您那積極邁 進的精神使我非常地敬佩，感謝您不時的指點與激勵，讓我鞭策自己完 成這個學位。感謝張郁雯教授、曾建銘老師、林素微老師細心地審閱論 文，並給予許多寶貴的建議，感謝施淑娟教授與吳慧珉老師平日的照顧， 總是給我最專業的諮詢，解答我的疑惑。 從碩班到博班，不知不覺在這個地方待了快十個年頭了，感謝郭教授 給予我豐富的資源及學習機會，接觸過許許多多的計畫，將所學的測驗統 計技術應用在真實的情境之中，不再只是紙上談兵；由計畫補助出國參加 研討會，將自己的研究成果推向國際；邀請許多國際知名學者來進行工作 坊，有機會與大師接觸與討論等，皆是得來不易的機會，讓我能增廣見聞、 滿載而歸。 在溫馨的研究室裡，我的研究路上因為有你們而不寂寞，育隆、彥鈞 學長、政軒學長、暄博學長、典佑學長、俊華、筱倩、敏嫻、曉珊、俊彥、 鎧智、宗恩、德弘、淑娟、淑瑜以及其他族繁不及備載的學弟妹們，感謝 你們的協助，那些一起渡過的奮鬥、埋怨、聚會，將來都會是美好的回憶。 最後要感謝的是我的家人，沒有媽媽對我的支持與協助，是不可能完 成這份學業的，還要感謝老婆的包容與鼓勵，讓我不用煩惱太多學術以外 的事，總是把家裡照顧的無微不至。雖然時間久了點，謝謝你們，請與我 一起共享這份榮耀。 II Higher-Order IRT 與 Higher-Order DINA混合 模型探究 摘要 近年來，階層式的測量模式漸漸地被重視，如試題反應理論中的 higher-order item response theory (HO-IRT)及認知診斷模型中的 higher-order deterministic input noisy and gate model (HO-DINA) 。HO-IRT模 式可以測量整體能力(overall ability)及領域能力 (domain ability)兩個階層的 量尺能力 ；HO-DINA模式可以測量整體能力並同時提供認知診斷的訊息。 本研究提出HO-IRT 與HO-DINA之混合模型 multilevel DINA (ML-DINA) ， 透過模擬研究探討各變項量尺間迴歸係數、量尺個數、人數、試題參數等( ) 對混合模型參數估計之影響，以及探討認知屬性加入結構關係之成效。研 究結果發現 1. ML-DINA模式可以估計兩個階層的能力量尺，同時提供良好的認 知診斷訊息回饋。 2. 樣本數(N1000)對 ML-DINA模式參數估計沒有明顯的影響。 3. 量尺間迴歸係數 0.7 以上，ML-DINA模式有較佳的估計結果。 4. 次級量尺個數的增加可以提升整體能力、量尺間迴歸係數及領域能 力的估計精準度。 5.試題參數較小時，可以獲得較佳的參數估計 6. 加入結構關係有助於提升整體組型(pattern)辨識率 關鍵字： multilevel-DINA 、HO-IRT 、HO-DINA 、認知診斷模式、階層性 結構 III A Hybrid Model of HO-IRT and HO-DINA Models Abstract