표본 수와 사전정보의 정확도 수준이 베이지안 IRT 동등화에 미치는 영향Effects of sample size and precision level of prior distribution on the Bayesian IRT equating
- Other Titles
- Effects of sample size and precision level of prior distribution on the Bayesian IRT equating
- Authors
- 남현우
- Issue Date
- 2014
- Publisher
- 한국교육평가학회
- Keywords
- 문항반응이론; 동등화; 베이지안 문항반응이론 동등화; 사전 정보; 정확도; 검사특성곡선전환 방식; 고정상위모수 방식; WinBUGS; IRT(Item Response Theory); equating; Bayesian IRT equating; Priors; Precision; CCT(Characteristic Curve Transformation); Fixed Hyper-Parameter; WinBUGS
- Citation
- 교육평가연구, v.27, no.4, pp 825 - 844
- Pages
- 20
- Journal Title
- 교육평가연구
- Volume
- 27
- Number
- 4
- Start Page
- 825
- End Page
- 844
- URI
- https://scholarworks.bwise.kr/sch/handle/2021.sw.sch/12614
- ISSN
- 1226-3540
2713-8712
- Abstract
- 기존의 문항반응이론 방식으로는 모수 추정과 동등화가 불가능할 정도의 표본 크기에서도 동등화의 가교 역할을 할 문항들의 모수 추정치를 확보하고 있을 때, 베이지안 IRT 동등화가 효과를 발휘할 수 있는지를 알아보려는 목적으로 이 연구가 수행되었다. 36개의 채점 문항들에는 모든 응시자가 반응하고 8개의 가교 문항들은 두 구획으로 나뉘어 반반씩 응답하게 한 양분 문항들로 구성된 국가영어능력평가(1급) 읽기능력시험 4차 모의평가 검사 자료를 사용했다. 표본 크기를 700명 또는 200명으로 줄이는 대신, 사전 정보의 정확도 수준을 최하 10부터 최고 1,000까지 높이면서 고정상위모수(Fixed Hyper-Parameters)방식으로 WinBUGS를 통해 모수를 추정하고 동등화 했다. 그 결과, 표본 크기가 매우 작음에도 불구하고 가교 문항 모수치간 상관이 거의 1.0에 가까웠다. 특성곡선전환 방식의 동등화와 베이지안 방식의 동등화는 동등 점수뿐만 동등화 관계를 볼 때에도 서로 달랐으나, 베이지안 방식들 간에는 표본 크기가 작아져도 정확도 수준을 높이면 서로 큰 차이가 없었다. 평균자승편차제곱근이나 적률 보존 상태를 보더라도, 베이지안 IRT 동등화는 표본 크기가 작을 때에도 사전 정보의 정확도를 높임으로써 효과적으로 동등화가 이루어질 수 있음을 알 수 있었다. 사전 정보를 지정하는 다른 위계적 사전 정보 방식 들이 사용될 경우에 어떤 결과가 기대되는지 등의 후속 연구를 제언하기도 했다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Humanities and Social Sciences > Department of Youth Education and Counseling > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/sch/handle/2021.sw.sch/12614)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.