當(dāng)前大多數(shù)融合反應(yīng)時(shí)的IRT模型僅適用于0-1評(píng)分?jǐn)?shù)據(jù)資料，極大的限制了IRT反應(yīng)時(shí)模型在實(shí)際中的應(yīng)用。本文在傳統(tǒng)的二級(jí)計(jì)分反應(yīng)時(shí)IRT模型基礎(chǔ)上，擬開發(fā)一種多級(jí)評(píng)分反應(yīng)時(shí)模型。在層次建�？蚣芟�，分別采用拓廣分部評(píng)分模型(GPCM)和對(duì)數(shù)正態(tài)模型構(gòu)建融合反應(yīng)時(shí)的多級(jí)評(píng)分IRT模型(本文記為JRT-GPCM),并采用全息貝葉斯MCMC算法實(shí)現(xiàn)新模型的參數(shù)估計(jì)。為驗(yàn)證新開發(fā)的JRT-GPCM模型的可行性及其在實(shí)踐中的應(yīng)用，本文開展了兩項(xiàng)研究：研究1為模擬實(shí)驗(yàn)研究，研究2為新模型在大五人格-神經(jīng)質(zhì)分量表中的應(yīng)用。研究1結(jié)果表明，JRT-GPCM模型的估計(jì)精度較高，且具有較好的穩(wěn)健性。研究2表明，被試的潛在特質(zhì)與作答速度具有一定的正相關(guān)，且本研究結(jié)果支持Ferrando和Lorenzo-Seva(2007)提出的“距離-困難度假設(shè)”,即當(dāng)被試的潛在特質(zhì)與項(xiàng)目的難度閾限距離越遠(yuǎn)，那么被試會(huì)花費(fèi)更多的時(shí)間對(duì)項(xiàng)目進(jìn)行作答。總之，本研究為拓展反應(yīng)時(shí)信息在心理測(cè)量及教育中的應(yīng)用提供新的方法支持。

【文章頁數(shù)】：11 頁

【部分圖文】：

圖1多級(jí)評(píng)分反應(yīng)時(shí)分層模型

公式(1-5)共同構(gòu)成JRT-GPCM模型，其層次框架如圖1。該聯(lián)合建模具有兩個(gè)參數(shù)識(shí)別性的問題：θn和τn的可識(shí)別性，以及τn與ξi的可識(shí)別性。參照vanderLinden(2007)的研究，本文設(shè)置了三個(gè)約束條件以解決參數(shù)的可識(shí)別性問題：μθ=0,σθ=1,和μτ=0。除了....

圖1項(xiàng)目區(qū)分度參數(shù)

本文采用Brooks和Gelman(1998)改進(jìn)的Gelman-rubin收斂統(tǒng)計(jì)量R^作為標(biāo)準(zhǔn)，來評(píng)估各參數(shù)的收斂性。R^<1.1表示達(dá)到收斂標(biāo)準(zhǔn)(Brooks&Gelman,1998)。該量表各項(xiàng)目參數(shù)估計(jì)的R^指標(biāo)參見圖1至圖4。從這些圖可以看出....

圖2項(xiàng)目難度參數(shù)

圖1項(xiàng)目區(qū)分度參數(shù)圖3時(shí)間強(qiáng)度參數(shù)

圖3時(shí)間強(qiáng)度參數(shù)

圖2項(xiàng)目難度參數(shù)圖4被試參數(shù)

本文編號(hào)：3927522