ディープラーニングを使用して,最適のスムージング値を等式化します

科学分野:

• サイコメトリクス
• 機械学習
• 教育的な測定

背景:

• テストスコアの整合性を維持するために,代替テストフォームが使用されます.
• 難易度が異なるため,異なるテスト形式のスコアを調整します.
• 試料の採取誤差を最小限に抑えるために,均等化方法が適用されます.

研究 の 目的:

• テスト等式で最適な滑らかな値の選択を自動化する.
• このタスクのために,ディープラーニング,特にコンボリューションニューラルネットワーク (CNN) の有効性を評価する.
• 滑らかなパラメータを選択する人間の専門家判断とCNNのパフォーマンスを比較します.

主な方法:

• 人間の分類されたポストスムージングのプロットで訓練された.
• 訓練されたCNNは,経験的なテストデータのための最適な滑らかな値を決定するために使用されました.
• CNNの選択は 人間の専門家による選択と 比較されました

主要な成果:

• ディープラーニングモデルでは 人間の専門家と 71%の合意率を達成しました
• これは,自動化された方法と手動的な選択の間の高度の一致を示しています.

結論:

• ディープラーニングは,テストの等式化において最適なスムージング値を選択するための実行可能な自動化されたアプローチを提供します.
• この自動化により,等価化プロセスの効率と一貫性が向上する可能性があります.