修正高阶DINA模型下项目和属性功能差异检测的性能及应用研究

摘要

近些年来测验中的项目功能差异渐渐受到了心理测量学家以及教育学家的重视，因为其直接关系到测验的效度问题和公平性问题。我国幅员辽阔,民族众多,各地区之间经济文化发展很不平衡,城乡差别很大,在大范围内实行统一考试,必然会造成许多因素影响到考试的公平性和有效性。因此对项目功能差异的研究显得尤为重要。
　　本研究尝试从一种新的视角检测项目功能差异，将项目功能差异的来源拆分两个：与结构无关的不利（项目功能差异，DIF）和与结构相关的不利（属性功能差异，DAF），并探讨采用修正高阶DINA模型方法实现检测测验中DIF和DAF的性能，影响因素及应用。本研究由两个子研究构成：
　　研究一采用Monte Carlo模拟方法探查了修正高阶DINA模型在DIF和DAF检测时的表现，研究结果表明：该模型参数估计具有较强的稳定性，精度较高。模型用于DIF和DAF的检测时，发现：在144个实验条件中，除个别几个实验条件，DIF和DAF检测犯I类错误的概率均小于0.05。
　　而Q阵的复杂程度，样本大小，能力分布和属性区分度大小四个因素对模型在DIF和DAF的检测的统计检验力有很大的影响。当样本容量越大时，统计检验力越高。对于DAF的统计检验力，当Q阵简单时，统计检验力总体上高于0.8。当Q阵越复杂，属性区分度越高，能力分布越不匹配时统计检验力越低。当样本容量较大时具有较高统计检验力，猜测参数的统计检验力较高，总体上高于0.8；Q阵越复杂，属性区分度越高，能力分布越不匹配统计检验力越高。失误参数的统计检验力总体上中等偏低，Q阵越复杂，属性区分度越高，能力分布越匹配，DIF类型越一致，失误参数的统计检验力越高；当Q阵为简单Q阵时，模型的返真性和对DIF、DAF的检验力也令人满意。
　　研究二以英语阅读理解测验为例，探讨修正高阶DINA模型用于实测数据分析时检测DIF和DAF的表现。结果表明:在实测数据下，该模型能够有效的检测出存在DIF和DAF的项目，但对DAF的检测效果会受到Q矩阵是否正确标定的影响。
　　综上所述，基于修正高阶DINA模型的DIF和DAF的检测方法是可行的，其为认知诊断框架下同时检测DAF和DIF的提供了天然框架:在属性掌握概况相同的条件下，依据不同组之间在在项目答题上的差异对DIF的检测可以保证测验的公平性，并且可以提高测验的效度。而在一般能力相同的条件下，依据不同组别被试在某一属性的答题表现情况进行DAF的检测可以提供给主试对被试组在不同属性上的优缺点更好的理解和认识。

目录

封面

声明

中文摘要

英文摘要

目录

1 引言

1.1问题的提出及研究意义

1.2研究内容

2 文献综述

2.1 DIF和DAF

2.2认知诊断的几个模型介绍

2.3小结

3 Modified HO-DINA模型在DIF和DAF检测时的性能研究

3.1 研究目的

3.2研究过程

3.3 研究结果

3.4 小结

4英语阅读理解测验的DIF和DAF检测

4.1研究目的

4.2 研究对象

4.3 研究方法

4.4实验整体参数估计

4.5 DAF检测

4.6 DIF检测

4.7小结

5总结与讨论

参考文献

致谢