표본 수와 사전정보의 정확도 수준이 베이지안 IRT 동등화에 미치는 영향
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 남현우 | - |
dc.date.accessioned | 2021-08-11T23:43:58Z | - |
dc.date.available | 2021-08-11T23:43:58Z | - |
dc.date.issued | 2014 | - |
dc.identifier.issn | 1226-3540 | - |
dc.identifier.issn | 2713-8712 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/sch/handle/2021.sw.sch/12614 | - |
dc.description.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. | - |
dc.format.extent | 20 | - |
dc.language | 한국어 | - |
dc.language.iso | KOR | - |
dc.publisher | 한국교육평가학회 | - |
dc.title | 표본 수와 사전정보의 정확도 수준이 베이지안 IRT 동등화에 미치는 영향 | - |
dc.title.alternative | Effects of sample size and precision level of prior distribution on the Bayesian IRT equating | - |
dc.type | Article | - |
dc.publisher.location | 대한민국 | - |
dc.identifier.bibliographicCitation | 교육평가연구, v.27, no.4, pp 825 - 844 | - |
dc.citation.title | 교육평가연구 | - |
dc.citation.volume | 27 | - |
dc.citation.number | 4 | - |
dc.citation.startPage | 825 | - |
dc.citation.endPage | 844 | - |
dc.identifier.kciid | ART001939907 | - |
dc.description.isOpenAccess | N | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | 문항반응이론 | - |
dc.subject.keywordAuthor | 동등화 | - |
dc.subject.keywordAuthor | 베이지안 문항반응이론 동등화 | - |
dc.subject.keywordAuthor | 사전 정보 | - |
dc.subject.keywordAuthor | 정확도 | - |
dc.subject.keywordAuthor | 검사특성곡선전환 방식 | - |
dc.subject.keywordAuthor | 고정상위모수 방식 | - |
dc.subject.keywordAuthor | WinBUGS | - |
dc.subject.keywordAuthor | IRT(Item Response Theory) | - |
dc.subject.keywordAuthor | equating | - |
dc.subject.keywordAuthor | Bayesian IRT equating | - |
dc.subject.keywordAuthor | Priors | - |
dc.subject.keywordAuthor | Precision | - |
dc.subject.keywordAuthor | CCT(Characteristic Curve Transformation) | - |
dc.subject.keywordAuthor | Fixed Hyper-Parameter | - |
dc.subject.keywordAuthor | WinBUGS | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(31538) 22, Soonchunhyang-ro, Asan-si, Chungcheongnam-do, Republic of Korea+82-41-530-1114
COPYRIGHT 2021 by SOONCHUNHYANG UNIVERSITY ALL RIGHTS RESERVED.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.