能力估計的極大似然估計方法（MLE）不能處理全0或全1的被試反應(yīng)模式,若事先設(shè)置好能力估計的上下界,則會導(dǎo)致能力估計的有效范圍縮小的后果;而貝葉斯估計方法需要選擇先驗分布,先驗分布的選擇必須很慎重.在原有似然函數(shù)的基礎(chǔ)上,構(gòu)建2個新的項目,提出了改進(jìn)的MLE方法（NMLE）.NMLE既不需要能力先驗分布,也不會縮小能力估計范圍,而且可以處理各種反應(yīng)模式.蒙特卡洛實(shí)驗結(jié)果表明新方法表現(xiàn)良好. 

【文章來源】：江西師范大學(xué)學(xué)報(自然科學(xué)版). 2019,43(02)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
    0.1 極大似然能力估計方法
    0.2 貝葉斯眾數(shù)估計方法
    0.3 期望后驗估計方法
    0.4 改進(jìn)MLE的能力估計新方法
    0.5 新方法的合理性和可行性
1 模擬實(shí)驗
    1.1 被試及題庫模擬
    1.2 模擬CAT的施測過程
    1.3 評價指標(biāo)
    1.4 實(shí)驗結(jié)果及其分析
2 討論


【參考文獻(xiàn)】：
期刊論文
[1]多維計算機(jī)化自適應(yīng)測驗選題策略的開發(fā)及比較[J]. 韓雨婷,涂冬波,王瀟濛,劉馨婷,汪大勛.  心理科學(xué). 2017(04)
[2]四參數(shù)Logistic模型潛在特質(zhì)參數(shù)的Warm加權(quán)極大似然估計[J]. 孟祥斌,陶劍,陳莎莉.  心理學(xué)報. 2016(08)
[3]多種分層方法在CAT校準(zhǔn)誤差中的應(yīng)用研究[J]. 李佳,丁樹良.  江西師范大學(xué)學(xué)報(自然科學(xué)版). 2016(01)
[4]多維計算機(jī)化自適應(yīng)測驗:模型、技術(shù)和方法[J]. 毛秀珍,辛濤.  心理科學(xué)進(jìn)展. 2015(05)
[5]基于平均數(shù)形式的選題策略比較[J]. 李佳,丁樹良,方劍英.  江西師范大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[6]計算機(jī)化自適應(yīng)測驗中幾種常用能力估計方法的特性與評價[J]. 張心,涂冬波.  中國考試. 2014(05)



本文編號：3589153