تعداد نشریات | 44 |
تعداد شمارهها | 1,298 |
تعداد مقالات | 15,883 |
تعداد مشاهده مقاله | 52,116,580 |
تعداد دریافت فایل اصل مقاله | 14,887,930 |
مقایسه ویژگیهای روانسنجی مدلهای دارای مجانب پایین (3PL)، بالا (3Plu) و هر دو مجانب (4PL) براساس دادههای آزمونهای سراسری ورود به دانشگاه | ||
فصلنامه پژوهش های نوین روانشناختی | ||
مقاله 4، دوره 15، شماره 57، خرداد 1399، صفحه 50-66 اصل مقاله (954.98 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
جواد محمدلو1؛ بلال ایزانلو* 2 | ||
1ارشد تحقیقات آموزشی، دانشکده روانشناسی و علوم تربیتی، دانشگاه خوارزمی. | ||
2استادیار دانشکده روانشناسی و علوم تربیتی، دانشگاه خوارزمی، تهران، ایران. | ||
چکیده | ||
هدف پژوهش حاضر مقایسه ویژگیهای روانسنجی مدلهای لوجستیک دارای مجانب پایین(3PL)، مجانب بالا (3PLU) و مدل چهار پارامتری با هر دو مجانب پایین و بالا(4PL) است. مدل 3PL با افزودن مجانب پایین به مدل 2PL و مدل 4PL با افزودن مجانب بالا به مدل 3PL به دست میآید، با حذف مجانب پایین از معادله مدل 4PL، مدل 3PLU به دست میآید. به منظور مقایسه مدلها از دادههای شرکتکنندگان آزمون سراسری سال 1394 استفاده شد (گروه های علوم ریاضی فیزیک ، تجربی و انسانی). یک نمونه تقریبا 6000 نفری به صورت تصادفی انتخاب و تحلیل شد. برای تحلیل سوالها از بسته mirt در نرم افزار R استفاده شد. برازش در سطح مدل بر اساس شاخص DIC نشان داد که بجز شیمی در سایر آزمونها مدل 3PL نسبت به مدل 4PL مناسبتتر است. نتایج برازش در سطح مدل براساس شاخص بیز (BF) در کل با نتایج شاخص DIC همخوانی داشت. همبستگی بین نمرههای خام هر آزمون و توانایی برآورد شده آن بر اساس هر پنج مدل بالا است. توانایی برآورد شده مدلها تفاوت معناداری باهم نداشت. از نظر آگاهی در سطوح توانایی بالا، مدل 3 پارامتری نسبت به مدل 4 پارامتری آگاهیدهندهتر است. بطور کلی برای مدل 4 پارامتری نسبت به مدل 3 پارامتری مزیت خاصی پیدا نشد. مگر در سوالهای خاصی که برازش این مدل با آنها بهتر بود. البته تاثیر حجم نمونه بر نتایج مشخص نیست و لازم است در پژوهشهای آتی نتایج مدلها بر اساس حجم نمونه نیز مقایسه شوند. | ||
کلیدواژهها | ||
نظریه سوال- پاسخ؛ مدل 4 پارامتری؛ مدل 3 پارامتری با مجانب پایین؛ مدل سه پارامتری با مجانب بالا | ||
مراجع | ||
Barton, M. A., & Lord, F. M. (1981). An upper asymptote for the three-parameter logistic item-response model. Princeton, NJ: Educational Testing Service.
Baker, F. B., & Kim, S. (2004). Item response theory: Parameter estimation techniques (2nd ed.). New York: Marcel Dekker.
Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee’s ability. In F. M.
Cheng, Y., & Liu, C. (2016). The Effect of Upper and Lower Asymptotes of IRT Models on Computerized Adaptive Testing. Applied Psychological Measurement, 39, 551-565.
De Ayala, R. J. (2008). The theory and practice of item response theory. New York, NY: Guilfords Publications.(P 126)
Gao, S. (2011). The exploration of the relationship between guessing and latent ability in IRT models (Doctoral dissertation).
Jeffreys H. (1961). Theory of Probability. Oxford University Press.
Karabatsos, G. (2003). Comparing the aberrant response detection performance of thirty-six person-fit statistics. Applied Measurement in Education, 16, 277-298.
Liao, W. W., Ho, R. G., Yen, Y. C. and Cheng, H. C. (2012). The four-parameter logistic item response theory model as a robust method of estimating ability despite aberrant responses. Social Behavior & Personality: an international journal, 40(10), 1679–1694.
Loken, E. and Rulison, K. L. (2010). Estimation of a four‐parameter item response theory model. British Journal of Mathematical and Statistical Psychology, 63(3), 509–525.
Lord, F. M. (1980). Applications of item response theory to practical testing problems. Hillsdale, NJ: Lawrence Erlbaum.
Fraser, C. & McDonald, R. P. (1988). NOHARM: Least squares item factor analysis. Multivariate Behavioral Research, 23, 267–269.
Magis, D. (2013). A note on the item information function of the four-parameter logistic model. Applied Psychological Measurement, 37(4), 304–315.
Chalmers, R. P. (2012). mirt: A Multidimensional Item Response Theory Package for the R Environment. Journal of Statistical Software, 48(6), 1–29.
Ree, J. M. (1979). Estimating item characteristic curve. Applied Psychological Measurement, 3, 371-385.
Reise, S. P., & Waller, N. G. (2003). How many IRT parameters does it take to model psychopathology items?Psychological Methods, 8, 164-184.
Reynolds, T. (1986). The effects of small sample size, short test length, and ability distribution upon parameter estimation. Unpublished paper.
Rulison, K. L., & Loken, E. (2009). I’ve fallen and I can’t get up: Can high-ability students recover from early mistakes in CAT? Applied Psychological Measurement, 33, 83-101.
Sideridis GD, Tsaousis I, Al Harbi K. (2016). The Impact of Non-attempted and Dually-Attempted Items on Person Abilities Using Item Response Theory. Front Psychol; 7:1572.
Spiegelhalter, D. J., Best, N. G., Carlin, B. P., & Van Der Linde, A. (2002). Bayesian measures of model complexity and fit. Journal of the royal statistical society: Series b (statistical methodology), 64(4), 583-639.
Swist, K. (2015). Item analysis and evaluation using a four-parameter logistic model. Edukacia 3, 77–97.
Waller, N. G. and Reise, S. P. (2010). Measuring psychopathology with nonstandard item response theory models: Fitting the four-parameter model to the Minnesota Multiphasic Personality Inventory. In S. E. Embretson (ed.), Measuring psychological constructs: advances in model-based approaches (pp. 147–173).
Yen, Y.-C., Ho, R.-G., Laio, W.-W., Chen, L.-J., & Kuo, C.-C. (2012). An empirical evaluation of the slip correction in the four parameter logistic models with computerized adaptive testing. Applied Psychological Measurement, 36, 75-87. | ||
آمار تعداد مشاهده مقاله: 327 تعداد دریافت فایل اصل مقاله: 404 |