四参数Logistic加权模型下被试能力稳健估计

设计项目参数、被试得分已知的测验情境,在两、三、四参数Logistic加权模型下进行能力估计,发现被试得分等级之间的能力步长存在着均匀的步长间距,被试得分能较好的反映多级记分的分数加权作用。两参数Logistic加权模型下会出现被试参数估计扰动现象,猜测现象会导致能力高估现象,失误现象会导致能力低估现象;三参数Logistic加权模型c型下能力高估现象未出现或不明显;三参数Logistic加权模型γ型下能力低估现象未出现或不明显;四参数Logistic加权模型下被试能力高估现象和低估现象都未出现或不明显,四参数Logistic加权模型是被试能力稳健性估计较好的方法。     

被试作答的偶然性对IRT能力估计的影响研究

被试能力参数估计是项目反应理论应用研究最重要的技术之一。本文在理想的测验情境下,研究被试作答的偶然性对被试能力值估计的影响。研究设计了被试作答的两种偶然性情况：一是偶然做对了一道项目难度高于其能力值的试题,二是偶然做错了一道或几道项目难度低于其能力值的试题．然后分别探讨了这两种情况下对被试的能力估计所带来的影响,并且就如何消除这些偶然性所带来的影响提出了相应的方法。     

四参数模型对被试作答异常现象的拟合与纠正

心理与教育测验中存在着被试作答异常现象(能力测验中的猜测现象和睡眠现象, 人格测验中的非0下渐近线现象和非1上渐近线现象), 会导致被试能力或人格特征的测量偏差。在能力测验中, 研究者已提出了多种方法来纠正猜测现象和睡眠现象, 这些方法往往需要调整或删除被试作答信息, 而四参数模型不需要改变被试作答信息而能有效纠正被试能力高估或低估现象。在人格测验中存在着非0下渐近线和非1上渐近线现象, 四参数模型能增强测验项目拟合性能, 提高人格测验的准确性。     

Logistic加权模型的理论构建与模拟分析

试题难度、试题考查重要性程度加权是多级记分试题的两个基本属性, 因而在IRT项目特征函数中需用不同参数来表示。以往多级记分模型用多个难度参数来描述多级记分试题的难度, 不能有效的表达多级记分试题的分数权重作用。从多级记分试题的分数加权作用角度, 本文提出Logistic加权模型并论述了理论构建思想。在Logistic加权模型下对项目参数估计的EM算法进行推导并编写了相应的参数估计程序。在Logistic加权模型下进行测验模拟, 发现项目参数估计的模拟返真性能良好。     

四参数Logistic模型和传统模型对被试作答拟合能力的比较研究

针对测验中高能力被试答错容易试题的睡眠现象,可使用四参数Logistic模型分析数据。研究选取了来自心理测验和成就测验的实际数据,分别采用传统模型和四参数Logistic模型进行拟合,对不同模型的拟合指标及参数估计结果进行比较。结果表明,四参数Logistic模型能够提高拟合程度,增强估计结果的准确性,有效纠正高能力被试能力被低估的现象。建议在必要时使用四参数Logistic模型进行数据分析。     

四参数Logistic模型潜在特质参数的Warm加权极大似然估计

本文以四参数Logistic(4-parameter Logistic,4PL)模型为研究对象,根据Warm的加权极大似然估计技巧,提出了4PL模型潜在特质参数的加权极大似然估计方法,并借助模拟研究对加权极大似然估计的性质进行验证。研究结果表明,与通常的极大似然估计和后验期望估计相比,加权极大似然估计的偏差(bias)明显减小,并且具有良好的返真性能。此外,在测试的长度较短和项目的区分度较小的情况下,加权极大似然估计依然保持了良好的统计性质,表现出更加显著的优势。     

IRT展开模型及对非累积反应机制的检测

被试回答人格测验题目时并不是特质水平越高其得分率越高,这称为非累积反应机制。广义等级展开模型GGUM就是针对这一机制提出来的。使用EPQ和五因素人格问卷发现GGUM比累积IRT模型有更好的模型拟合度和测量精度。研究结果表明GGUM有其合理性,且有助于反应心理过程机制的深入探讨。     

基于IRT模型的儿童图形推理能力动态评估研究

MRMLC模型是一种常见的动态评估项目反应理论模型。本研究结合小学儿童图形推理能力发展的特点,采用前测-干预-后测的动态评估模式,对来自江西省北部的四到六年级共177名儿童的图形推理能力进行了基于MRMLC模型的动态评估。研究结果表明通过动态评估我们不仅可以获知儿童图形推理能力的当前水平;而且,还可以进一步分析和比较儿童在各测量情景所测的潜在水平。     

IRT模型参数估计的新方法——MCMC算法

本研究主要探讨MCMC算法在IRT模型参数估计中的实现及其估计精度.通过模拟多种实验条件(人少题少、人题适中、人多题多、被试数及其参数固定情况下项目数变化、项目数及其参数固定情况下人数变化),考察两参数和叁参数Logistic模型的MCMC算法对其参数估计的精度,并与国际通用测量程序-Bilog程序(E-M算法)进行比较研究.模拟实验研究表明,上述各种实验条件下,MCMC算法均可用于IRT模型参数估计,且其估计的精度均较Bilog程序(E-M算法)高,值得推广.     

基于联结主义的连续记分IRT模型的项目参数和被试能力估计

运用联结主义中的级连相关模型对于小样本条件下的连续记分项目反应理论 (IRT)模型的项目参数和被试能力进行了估计。一组被试对于一组项目的反应矩阵作为级连相关模型的输入 ,这组被试的能力θ或该组项目的参数a、b和c作为该模型的输出 ,对神经网络进行训练使之具备了估计θ,a ,b或c的能力。计算机模拟的实验表明 ,如果测验中有少量项目取自于题库 ,就可以运用联结主义方法对IRT参数和被试能力进行较好的估计     

计算机动态测验中问题解决过程策略的分析：多水平混合IRT模型的拓展与应用

学生在完成计算机动态测验过程中,会产生大量带有时间标记的过程性数据。本研究基于5个国家(地区)3196名学生在PISA2012一道交通问题解决任务上的139990条数据,将多水平混合IRT(MMix IRT)模型进行拓展,用于探索问题解决过程策略的类别特点。结果表明,该模型不仅可以基于行为序列对不同国家(地区)学生在解决问题时策略使用情况的典型特征进行分析,还可以提供个体水平的能力估计值。拓展的MMixIRT模型可用于分析过程性数据的特征。     

基于作答数据的模型参数和Q矩阵联合估计

Q矩阵在认知诊断的模型参数估计和诊断分类中起着重要作用。本文通过研究Liu等人的方法, 设计了同时估计项目参数和Q矩阵的联合估计算法。在DINA模型下, 对项目参数未知时开展模拟研究。研究假设项目为20个, 考察的属性个数分别是3、4和5, 初始Q矩阵中分别存在3、4和5个属性界定错误的项目。结果表明, 联合估计算法能在错误的初始Q矩阵基础上以很高的概率得到正确的Q矩阵。另外, 当专家认定测验的属性个数存在错误时, 该方法推导的Q矩阵和模型参数能提供很好的鉴别Q矩阵错误的信息。     

MIRT模型中多维能力及其相关矩阵估计的影响因素

多维项目反应理论因其模型本身的天然优势及其兼具因素分析与项目反应理论于一身的优点,而被广大研究者及应用者所重视.本研究在前人研究基础上,重点讨论MIRT多维能力及能力间相关矩阵的参数估计问题.研究采用Monte Carlo模拟方法进行,在三因素完全随机设计（4 ×3×3）下,使用MCMC算法,探讨测验维度数、维度间的相关大小和测验项目数三个因素对MIRT能力及其相关矩阵估计的影响.     

幼儿自尊与掌控动机、能力关系的模型建构

采用他人评定法、半结构化自由游戏观察法及综合测验法考察了4~6岁幼儿的自尊、掌控动机和能力,并建构三者的关系模型。结果发现:第一个模型中,高认知低效果类掌控时间可解释认知学习能力变异的12%,低认知高效果类掌控时间可解释精细动作能力变异的4%,综合能力可解释自尊中胜任感变异的17%;第二个模型中,掌控变换性可解释认知学习能力变异的18%,而认知学习能力可解释自尊中胜任感变异的11%。     

认知能力对学业成绩的影响:有中介的调节模型

学业成绩是衡量学生掌握知识水平的重要指标,受到认知能力、社会支持和学习动机等多重因素的显著影响,而这多重因素间的关系及其对学业成绩的共同作用机制尚不明确。本研究采用标准化的认知能力测验、社会支持量表、学习动机量表对4,973名初中生进行测试,并以各科测验成绩总分的平均值作为学业成绩指标。结果表明：（1）认知能力、社会支持、学习动机均与学业成绩正相关;（2）社会支持在认知能力对学业成绩的影响中起调节作用,学生感受到的社会支持水平越高,学业成绩表现越好,且其认知能力对学业成绩的预测作用越强;（3）社会支持的调节作用部分通过学习动机这一中介变量实现。本研究构建了一个基于个体因素（认知能力和学习动机）和环境因素（社会支持）共同影响学业成绩的理论模型,有利于人们深入理解认知能力影响学业成绩的内在机制和边界条件,为提升学生学业成绩提供了理论依据和实证支持。     

建构反应题中能力估计准确性的影响因素:评分者人数和项目个数的交互作用

采用康春花、孙小坚和曾平飞(2016)提出的等级反应多水平侧面模型探讨了评分者人数和项目个数对被试能力估计准确性的影响。模拟研究的结果表明:(1)随着项目个数的增加,估计值与真值之间的相关也不断增加;(2)评分者人数和项目个数在平均绝对偏差(MAB)和误差均方根(RMSE)上的主效应均显著,两者间的交互效应也显著;(3)简单效应分析发现,当项目较少时,3个评分者条件下的能力估计准确性最好; 随着项目个数的增加,4个评分者的估计误差迅速下降,且表现变为最好。     

学校联结和学业能力对高中生自尊的影响:一个多层线性模型

为探究高中生自尊的影响因素,本研究以来自18所学校的4776名高中生为研究对象,以自尊的价值—能力理论为依据,采用问卷法探讨价值因素(学校联结)和能力因素(学业能力)对高中生自尊的影响,并基于生态系统学视角构建多层线性模型。结果表明:(1)班级层面学校联结对个体自尊具有显著正向预测作用;(2)个体学业能力在学校联结与自尊之间具有中介作用;(3)个体学业能力对个体自尊的正向预测作用受到班级学业能力的调节,在高学业能力的班级条件下,个体学业能力对自尊水平的预测作用更强。     

家庭环境对中学生阅读能力的影响:阅读投入、阅读兴趣的中介作用

采用学生阅读能力测试卷和学生阅读状况调查问卷,对随机选取的559名中学生进行调查,并运用结构方程模型探讨了家庭环境影响阅读能力的内在机制。结果发现,家庭环境影响阅读投入的路径系数为0.18,阅读投入影响阅读兴趣的路径系数为0.51,阅读兴趣影响阅读投入的路径系数为0.80,阅读投入影响阅读能力的路径系数为0.46,各路径系数均达到显著水平(p0.05)。结果表明,(1)家庭环境通过阅读投入的完全中介作用影响阅读兴趣;阅读兴趣通过阅读投入的完全中介作用影响阅读成绩;(2)家庭环境对阅读能力的影响是通过阅读投入和阅读兴趣的循环互动作用实现的。     

数字政府的概念结构:信息能力、数据流动与知识应用——兼论DIKW模型与IDK原则

中国政府正在加快建设数字中国。本文基于DIKW模型为理解数字政府提供一个概念结构。对数据、信息、知识等基础概念及其关系的定义和界定构成了数字政府的理论建构与政策发展的基石。在对既有DIKW模型展开批判和继承的基础上,本文提出IDK三原则,围绕来源性、结构性、功能性三大问题试图解决传统DIKW模型及相关定义的内在逻辑缺陷,并由此将数字政府的概念结构划分为基于信息能力的目标系统、基于数据流动的资源系统和基于知识应用的动力系统三个部分。其政策含义在于,先进的技术不代表可用的数据资源,庞大的数据资源不代表强大的信息能力,充分的信息渠道不代表取得良善的决策效果。