杂志文章

半监督的学习方法,用于调整由2PL-tirt模型下的不可贬低引起的有偏见的项目难度估计值

2020

出版于:

第13届国际教育数据挖掘会议论文集(EDM 2020),第715-719页

经过:Kang Xue,,,,沃尔特·利特(Walter Liete),,,,安妮·科林·哈金斯·曼利


抽象的

在从虚拟学习环境(VLE)中收集的数据中,项目响应理论(IRT)模型可用于指导学生能力的持续测量。但是,IRT的此类应用依赖于与VLE中测试项目相关的无偏项参数估计。没有正式驾驶物品,人们可以期望VLE日志文件数据中有大量不可忽视的丢失数据,这预计会对IRT项目参数估计精度产生负面影响,然后对VLE中使用的任何未来能力估计产生负面影响。在心理测量文献中,处理丢失数据的方法主要集中在数据和丢失数据量不如VLE的条件下。在本文中,我们介绍了一种半监督的学习方法,以处理VLE数据中包含的很大一部分丢失,因此需要从中获得未偏见的项目参数估计。提出的框架显示了其获得无偏的项目参数估计的潜力,然后可以将其固定在VLE中,以便为操作目的获得持续的能力估计。

查看更多

访问日记

本文在NWEA以外发表。全文可以在上面的链接上找到。

主题:测量和缩放

相关话题