融合反应时的多级评分IRT模型开发及其应用研究

发布时间：2024-03-13 20:20

　　当前大多数融合反应时的IRT模型仅适用于0-1评分数据资料，极大的限制了IRT反应时模型在实际中的应用。本文在传统的二级计分反应时IRT模型基础上，拟开发一种多级评分反应时模型。在层次建模框架下，分别采用拓广分部评分模型(GPCM)和对数正态模型构建融合反应时的多级评分IRT模型(本文记为JRT-GPCM),并采用全息贝叶斯MCMC算法实现新模型的参数估计。为验证新开发的JRT-GPCM模型的可行性及其在实践中的应用，本文开展了两项研究：研究1为模拟实验研究，研究2为新模型在大五人格-神经质分量表中的应用。研究1结果表明，JRT-GPCM模型的估计精度较高，且具有较好的稳健性。研究2表明，被试的潜在特质与作答速度具有一定的正相关，且本研究结果支持Ferrando和Lorenzo-Seva(2007)提出的“距离-困难度假设”,即当被试的潜在特质与项目的难度阈限距离越远，那么被试会花费更多的时间对项目进行作答。总之，本研究为拓展反应时信息在心理测量及教育中的应用提供新的方法支持。

【文章页数】：11 页

【部分图文】：

图1多级评分反应时分层模型

公式(1-5)共同构成JRT-GPCM模型，其层次框架如图1。该联合建模具有两个参数识别性的问题：θn和τn的可识别性，以及τn与ξi的可识别性。参照vanderLinden(2007)的研究，本文设置了三个约束条件以解决参数的可识别性问题：μθ=0,σθ=1,和μτ=0。除了....

图1项目区分度参数

本文采用Brooks和Gelman(1998)改进的Gelman-rubin收敛统计量R^作为标准，来评估各参数的收敛性。R^<1.1表示达到收敛标准(Brooks&Gelman,1998)。该量表各项目参数估计的R^指标参见图1至图4。从这些图可以看出....

图2项目难度参数

图1项目区分度参数图3时间强度参数

图3时间强度参数

图2项目难度参数图4被试参数

本文编号：3927522