研究报告
地图增长K – 2项目拟合分析研究
2019
描述
项目FIT分析研究了如何准确观察到的响应数据符合基础模型。在测试分析中，项目拟合可用于验证项目参数的校准过程。这项研究的目的是检查MAP增长K – 2项目的拟合NWEA重新调整MAP生长K – 2和MAP增长2-5的阅读和数学测试的量表。该研究的一部分涉及调整MAP增长K – 2项目的困难（即每个项目的Rasch单元（RIT）值），使用纵向测试结果的增长模型预测。为了确保具有调整后RIT值的项目仍然符合基础Rasch模型，本研究使用两个不同的样本检查了这些项目的模型数据拟合。具体而言，对于每个样本，INFIT和服装指数，以及点测量相关性，然后比较这些指数如何使用旧的和新（即原始和调整后的）项目困难以及人能力估计的这些指数如何不同。还将不同样品的结果相互比较。
查看更多主题：项目响应理论
Related Topics
Automated item generation (AIG): A future for more equitable measurement
This presentation summarizes the work that’s been done at NWEA to implement automated item generation (AIG), in addition to traditional approaches, to leverage the future.
主题：项目响应理论
这项研究调查了三种不同的IRT缩放和等效方法在建立来自国家许可考试23年的测试库中的影响。该研究重点介绍了包括ScaledRiftAndEquingErrors在内的几个关键心理测量问题。
主题：Computer adaptive testing，，，，项目响应理论，，，，测量和缩放
在计算机化自适应测试中不可签名的丢失数据对多态项目响应模型的项目拟合统计信息的影响
这些研究是根据规则条件下的固定测试形式的假设进行的，例如没有缺失的反应和人群一维能力的正态分布。
主题：Computer adaptive testing，，，，项目响应理论，，，，测量和缩放
