一个基于1位矩阵完成的两步项目库校准策略,用于小规模计算机化自适应测试

科学领域:

• 教育测量教育的测量
• 心理测量 心理测量 心理测量
• 计算机科学 计算机科学

背景情况:

• 计算机化适应性测试 (CAT) 提供个性化的教育评估,但由于对项目库校准的数据稀少,在小规模应用中面临挑战.
• 现有的方法在有限的样本大小和不完整的响应数据方面扎,阻碍了CAT的更广泛的采用.

研究的目的:

• 开发和评估一个新的两步项目银行校准策略,用于小规模评估.
• 为了解决项目校准的复杂性,使用稀疏的响应数据和小样本大小.

主要方法:

• 开发了一个两步项目库校准策略,将1位矩阵完成方法与两个不完整的预测设计集成在一起.
• 引入了两种新的基于1位矩阵完成的归算方法,以处理稀疏的数据和有限的样本大小.
• 通过模拟研究进行比较评估,使用各种预测设计,项目库结构和样本大小.

主要成果:

• 提出的1位矩阵完成方法在稀疏数据条件下证明了对象校准的有效性.
• 与处理项目参数估计中缺少数据的既定方法相比,模拟显示出具有竞争力或优异的性能.
• 使用来自小规模评估的经验数据的实际应用验证了开发的方法.

结论:

• 基于1位矩阵完成的新型归算方法为小规模CAT项目库校准提供了可行的解决方案.
• 这些方法在数据有限的环境中提高了个性化教育评估的可行性和准确性.
• 该研究为改善CAT在各种评估环境中的应用提供了实用工具.