首页 首页 > 考试评价
字体

中国教育学会教育统计与测量分会·青年学者委员会

“青年学者论坛”第六期开讲

 

主题一:Accurate Assessment via Process Data (基于过程性数据的能力评估)

报告嘉宾:张苏苏(美国伊利诺伊大学香槟分校)

主题二:四参数Logistic项目反应模型的Gibbs抽样方法

报告嘉宾:付志慧(闽南师范大学)

 

主持人:孟祥斌(东北师范大学)

报告时间:2021年6月26日上午 9点-11点

第一场9点-10点

第二场10点-11点

报告直播地址:https://meeting.tencent.com/s/eqH4dNKqRtnF

 

 

主讲嘉宾介绍:

张苏苏,博士,美国伊利诺伊大学香槟分校(University of Illinois at Urbana-Champaign)心理学和统计学助理教授,曾于2018-2020年在哥伦比亚大学统计系做博士后研究员。主要研究涉及潜在变量建模(latent variable modeling),对学习过程的建模(longitudinal models for learning),过程性数据分析(process data analysis),以及其他定量方法在教育与心理测量中的应用。

付志慧,闽南师范大学数学与统计学院教授、硕士生导师。2010年6月博士毕业于吉林大学概率论与数理统计专业。近年来致力于研究多维项目反应模型的贝叶斯估计、数据的相依性建模、四参数项目反应模型的MCMC估计等。先后主持和参与多项国家级和省部级课题,在《British Journal of Mathematical and Statistical Psychology》《Multivariate Behavioral Research》等SSCI、SCI及核心期刊上发表论文十余篇,目前担任中国教育学会教育统计与测量分会理事、中国现场统计研究会旅游大数据学会理事、漳州市统计学会常务理事。

 

讲座内容提要:

主题一

对考生能力的准确评估是教育测量中的重要任务。传统的标准化考试通常基于最终作答对考生进行能力评估。计算机测试的广泛应用使得更多类型的考生数据——例如过程性数据——得以被收集。过程性数据此处指计算机交互式测试中收集的日志数据:考生详细的解题过程,包括点击、拖拽、键盘输入以及对应的时间戳,以日志数据的形式被记录。本次报告将介绍一种通过过程性数据提高测量信度的方法。该方法基于Rao-Blackwell定理,在一定的正则条件下,可降低潜变量估计的均方误差(MSE),提高测量信度。在模拟实验数据和2012年国际成人能力评估项目(PIAAC)中收集的“技术密集环境下的问题解决能力”(PSTRE)测试数据中,对两种能力估计方法(包括过程信息和只基于最终作答)进行了比较。

主题二

四参数Logistic项目反应模型(4PLM)的应用范围很广,包括精神病理学、遗传学、大规模评估(National Assessment of Educational Progress ,NAEP)及个体基因的激活特性等。本研究针对多维4PL模型提出了基于数据扩充的Gibbs 抽样法,该算法简单高效,且除了上、下渐近线参数以外,其余参数的满条件分布都是相应参数先验分布的截断,因此,不需要考虑先验分布的共轭性。最后,通过模拟研究将所提方法与R包“MIRT”及“OpenBugs”的估计结果进行了分析比较,并使用 4PL 模型分析了一个经验数据集,模型选择指标显示4PL模型要优于3PL和2PL模型。

 

 

欢迎对教育测评感兴趣的教育工作者关注和参与。

 

(转载自:教育统计与测量前沿微信公众号,原文链接:https://mp.weixin.qq.com/s/YdXU6sYAUXsVsBpd7QZOZQ)


手机扫一扫打开当前页面

打印 打印此页
上一篇:预测视角下双因子探索性结构方程模型和传统SEM的模拟比较 下一篇:CAT中的自适应在线标定设计

搜索失败

搜索内容不能为空