テストレットのための診断分類モデル：方法と理論

科学分野:

• 教育測定
• 心理測定モデリング
• 潜在変数分析

背景:

• 診断分類モデル（DCM）は、形成的評価にとって重要です。
• テストレット応答理論（TRT）モデル、テストレットDINA（T-DINA）のような、項目グループ化効果を組み込みます。
• 既存のT-DINAモデルは、属性プロファイルとテストレット効果の間の独立性を仮定しています。

研究 の 目的:

• 属性プロファイルとテストレット効果の間の相関を可能にすることによってT-DINAモデルを拡張すること。
• 提案された拡張T-DINAモデルの識別可能性を調査すること。
• 実際の評価データを使用してモデルのパフォーマンスを評価すること。

主な方法:

• 相関潜在構造を組み込んだ拡張テストレットDINA（T-DINA）モデルの開発。
• モデル識別可能性の理論的分析、十分条件の確立。
• 2015年学習者国際調査（PISA）データセットへのモデルの適用。
• 標準DINAおよびT-DINAモデルとの比較分析。
• さまざまな条件下でのモデルパフォーマンスを評価するためのシミュレーション研究。

主要な成果:

• 提案された拡張T-DINAモデルは、DINAおよび標準T-DINAと比較して適合性の向上が大幅に示されました。
• 拡張モデルの識別可能性の十分条件が確立されました。
• 標準T-DINAモデルの識別可能性も副次的な結果として確認されました。
• モデルは、さまざまな設定のシミュレーション研究で堅牢なパフォーマンスを示しました。

結論:

• 拡張T-DINAモデルは、教育および心理測定における複雑なデータ構造のより正確な表現を提供します。
• 属性プロファイルとテストレット効果の間の相関を考慮することは、モデルの適合性を向上させ、より深い洞察を提供します。
• 調査結果は、改善された形成的評価とデータ分析のためにこの高度なDCMを使用することを支持しています。