本文關(guān)鍵詞：基于項(xiàng)目反應(yīng)模型的試卷質(zhì)量分析及學(xué)生能力評(píng)估

  更多相關(guān)文章： 項(xiàng)目反應(yīng)模型 潛在特質(zhì) 項(xiàng)目反應(yīng)曲線 項(xiàng)目參數(shù) Gibbs抽樣算法 貝葉斯估計(jì)

【摘要】：項(xiàng)目反應(yīng)模型是當(dāng)今教育測(cè)量使用最廣泛的模型.它是借助測(cè)試成績(jī)數(shù)據(jù),來(lái)分析問(wèn)卷題目質(zhì)量或者被測(cè)試者的潛在心理特征(latent trait)的數(shù)學(xué)模型,其意義在于可以指導(dǎo)項(xiàng)目篩選和測(cè)驗(yàn)編制,同時(shí)可以評(píng)估被測(cè)試者在相應(yīng)項(xiàng)目上的潛在能力. 本文首先對(duì)項(xiàng)目反應(yīng)模型進(jìn)行了簡(jiǎn)介,之后詳細(xì)闡述了模型的參數(shù)估計(jì)及Gibbs抽樣算法,其中Gibbs抽樣算法在參數(shù)估計(jì)中占據(jù)了重要地位,本文對(duì)Gibbs抽樣算法的執(zhí)行過(guò)程、收斂狀況及初值的選取均作了敘述.最后,將此模型應(yīng)用于實(shí)際,對(duì)110個(gè)學(xué)生進(jìn)行了數(shù)學(xué)測(cè)驗(yàn),收集其回答數(shù)據(jù),通過(guò)此模型對(duì)試題質(zhì)量水平進(jìn)行了細(xì)致的分析,同時(shí)也可以從中評(píng)估出不同學(xué)生對(duì)學(xué)習(xí)數(shù)學(xué)的潛在能力.
【關(guān)鍵詞】：項(xiàng)目反應(yīng)模型 潛在特質(zhì) 項(xiàng)目反應(yīng)曲線 項(xiàng)目參數(shù) Gibbs抽樣算法 貝葉斯估計(jì)
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：G449
【目錄】：

• 中文摘要4-5
• 英文摘要5-7
• 引言7-9
• 第一章 模型簡(jiǎn)介9-14
• 1.1 項(xiàng)目反應(yīng)模型9-12
• 1.1.1 潛在特質(zhì)9
• 1.1.2 項(xiàng)目反應(yīng)曲線9-10
• 1.1.3 項(xiàng)目參數(shù)10-12
• 1.2 模型建立12-13
• 1.3 模型假設(shè)13-14
• 第二章 模型參數(shù)估計(jì)14-19
• 2.1 項(xiàng)目參數(shù)的貝葉斯估計(jì)14-18
• 2.1.1 潛在特質(zhì)的先驗(yàn)分布14-15
• 2.1.2 項(xiàng)目參數(shù)的先驗(yàn)分布15-16
• 2.1.3 后驗(yàn)分布16
• 2.1.4 刻畫項(xiàng)目反應(yīng)的 Probit 模型16-18
• 2.2 Probit 模型的參數(shù)估計(jì)18-19
• 第三章 Gibbs 抽樣算法19-22
• 第四章 例子與分析22-28
• 4.1 試卷質(zhì)量分析22-26
• 4.1.1 試題參數(shù)的點(diǎn)估計(jì)后驗(yàn)推斷22-24
• 4.1.2 參數(shù)區(qū)間估計(jì)的后驗(yàn)推斷24-26
• 4.2 學(xué)生能力評(píng)估26-28
• 參考文獻(xiàn)28-29
• 后記29

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 辛濤;;項(xiàng)目反應(yīng)理論研究的新進(jìn)展[J];中國(guó)考試;2005年07期

2 杜文久;;項(xiàng)目反應(yīng)理論框架下多級(jí)評(píng)分項(xiàng)目的信息函數(shù)[J];心理學(xué)報(bào);2006年01期

，

本文編號(hào)：949239