ロバストスケーリングによる項目応答理論における項目特性値の差異検出

科学分野:

• 心理測定学
• 教育測定学
• 統計学

背景:

• 項目特性値の差異（DIF）はテストの公平性にとって重要です。
• 現在のDIF検出方法では、多くの場合、事前に指定されたアンカー項目が必要であり、その適用性が制限されています。
• 項目応答理論（IRT）は、項目と個人の特性を分析するためのフレームワークを提供します。

研究 の 目的:

• IRTモデルにおけるDIFを評価するための新しい方法を提案すること。
• アンカー項目を必要としないDIF検出アプローチを開発すること。
• DIF分析の頑健性と効率性を向上させること。

主な方法:

• IRTスケーリング内での外れ値検出問題としてのDIFの再定式化。
• パラメータ推定のためのロバスト統計、特に赤下げM推定値の使用。
• DIF検出のための漸近第一種エラー率を制御するための推定値の調整。

主要な成果:

• 提案された赤下げM推定値は、DIFが存在しない場合には効率的であり、DIFが存在する場合には頑健であることを実証しています。
• シミュレーション研究では、既存のDIF検出方法と比較して良好な結果が得られました。
• 実際のデータ例では、アンカー項目が実現不可能な場合のこの方法の実用的な応用が示されています。

結論:

• 提案された方法は、特にアンカー項目が利用できない場合のDIF評価に実行可能な代替手段を提供します。
• このロバストな統計的アプローチは、IRTにおけるDIF検出の信頼性を向上させます。
• この調査結果は、教育的および心理的評価の公平性と妥当性の向上に影響を与えます。