將WLE應用于早期階段的計算機自適應測試.pdf

1、計算機自適應測試(CAT)的早期階段是指用少量項目進行潛在能力水平的估計。為了得到準確的CAT結果，需要從估計方法的偏差和不穩(wěn)定性兩方面考慮。一方面，希望能得到一種偏差比較小或者無偏的估計方法。Warm已經證明加權似然估計(WLE)在三參數logistic模型中不僅可以減少極大似然估計(MLE)的偏差，而且還能減小固定測試長度下的標準誤差，是一種優(yōu)良的估計方法。本文對比極大似然估計說明加權似然估計在名義模型中也有良好的結論。通過模擬，從

2、不同方面說明加權似然估計方法的高精度性。首先，通過模擬結果可以看出加權似然估計產生的偏差比極大似然估計在項目個數是加權似然估計的4倍時產生的偏差還要小。其次在對比項目個數是三十時加權似然估計和極大似然估計兩種方法產生的偏差、標準誤差和均方根誤差在不同能力水平的變化情況時，發(fā)現加權似然估計在幾乎所有能力水平上產生的偏差、標準誤差和均方根誤差上都比極大似然估計產生的要小。最后模擬了兩種方法在不同能力水平所使用的項目個數。模擬結果說明加權似然

3、估計方法所使用的項目個數在能力水平是-1、0和1是極大似然估計方法所使用的近一半。因此，加權似然估計是比極大似然估計更優(yōu)良的一種估計方法。另一方面，項目選擇標準(ISC)可以減少估計的不穩(wěn)定性。文章介紹了兩個常見的ISC:FI標準和KL標準。鑒于加權似然估計方法的高精度，將這個估計方法應用到計算機自適應測試中。用加權似然估計能力水平結合FI和KL標準，討論這兩個標準不不同能力水平的變化情況。通過模擬說明這兩個項目選擇標準在不同的能力水平