一个神经网络范式用于建模心理测量数据和估计IRT模型参数:交叉估计网络
1Collaborative Innovation Center of Assessment for Basic Education Quality, Beijing Normal University, No. 19, Xin Jie Kou Wai Street, Hai Dian District, Beijing, 100875, China.
Behavior research methods
|April 12, 2024
概括
本研究介绍了交叉估计网络 (CEN),这是一种用于分析心理和教育测试数据的新型人工智能方法. 在项目响应理论 (IRT) 模型中,CEN准确地估计了人的能力和项目参数.
科学领域:
- 心理测量 心理测量 心理测量
- 教育测量教育的测量
- 在行为科学中的人工智能
背景情况:
- 项目响应理论 (IRT) 模型对于分析教育和心理测试数据至关重要.
- 准确估计人的能力和项目参数对于测试的有效性和公平性至关重要.
- 传统的IRT参数估计方法可能是计算密集的,并且可能与复杂的数据集作斗争.
研究的目的:
- 引入和评估一种新的人工智能 (AI) 方法,即交叉估计网络 (CEN),用于IRT模型参数估计.
- 评估CEN在拟合数据集和估计人与物品参数方面的表现.
- 为了证明CEN对新的,未见的响应模式的适应性.
主要方法:
- 开发交叉估计网络 (CEN),包括一个人网络 (PN) 和一个项目网络 (IN).
- PN处理受访者模式以估计潜在能力;IN处理项目模式以估计项目参数.
- 进行了四项模拟研究和一项实证研究,以评估CEN在不同条件下的两参数物流模型上的表现.
主要成果:
- CEN证明了训练数据的有效匹配.
- 实现了对个人能力和项目参数的准确估计.
- 经过培训的PN和IN展示了AI原则,为新型响应模式提供了可靠的评估.
结论:
- 交叉估计网络 (CEN) 为IRT参数估计提供了一种强大而准确的AI驱动方法.
- 在处理复杂数据集和对新数据进行概括方面,CEN显示出有前途,增强了心理测量分析.
- 这种方法推动了人工智能在教育和心理测量中的应用.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
10.9K
06:50Analyzing Neural Activity and Connectivity Using Intracranial EEG Data with SPM Software
Published on: October 30, 2018
9.5K
