多级评分CAT改进的最大信息量选题策略
【摘要】:选题策略是计算机化自适应测验的研究重点。最大Fisher信息量(MFI)选题策略可以综合项目参数和能力参数,测量精度高,但是曝光率不均匀,这可能威胁测验的安全性。多级评分可以提供更多关于被试的信息,是计算机化自适应测验的一个发展方向,对于等级反应模型,本文将两级评分b-STR和a-STR推广至动态多级评分的相应版本以改进最大信息量选题策略。Monte Carlo实验表明在达到或接近原有选题策略测验精度的基础上,本文提出的新选题策略能够极大降低项目曝光率。
【相似文献】 | ||
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|