메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
김성훈 (계명대학교)
저널정보
한국교육평가학회 교육평가연구 교육평가연구 제25권 제2호
발행연도
2012.6
수록면
317 - 336 (20page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
문항반응이론(IRT) 모형의 문항모수 추정에서 주변최대우도(MML) 방법과 베이지언 최빈치(BM) 방법은 기저 능력변수에 대한 사전분포(즉, 사전능력분포)의 명시를 요구한다. 본 연구의 목적은 BILOG-MG 프로그램을 사용하여 2모수 로지스틱(2PL) 모형과 3모수 로지스틱(3PL) 모형의 문항모수를 추정할 때 “사전능력분포로서 BILOG-MG의 디폴트 분포인 N(0,1) 분포를 명시하는 방식”보다 “문항모수와 기저 능력분포를 동시에 추정하는 방식(즉, 추정된 기저 능력분포를 사전능력분포로 명시하는 방식)”이 실질적으로 더 우수한지를 모의실험을 통해 확인하는 것이었다. 선행 연구 결과와의 비교 가능성과 일반화 가능성을 높이기 위해서, 모의실험의 요인으로 기저 능력분포의 유형(표준정규, 2개의 정적 편포, 2개의 부적편포), IRT 모형(2PL vs. 3PL), 검사의 길이(J=21 vs. J=42), 표본의 크기(N=500 vs. N=3,000) 등을 포함하였다. 모의실험의 결과, 추정된 기저 능력분포를 사전능력분포로 명시하는 방식이 “N(0,1)”로 명시하는 방식보다 고려된 모든 검사조건에서 우수하거나 대등한 수행을 보였다. 즉, 문항모수의 MML/BM 추정 시 기저 능력분포의 동시 추정은 문항모수 추정의 정확성과 안정성을 실질적으로 향상시켰다.

목차

등록된 정보가 없습니다.

참고문헌 (18)

참고문헌 신청

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0