杂志文章

在2PL-IRT模型下调整由不可忽略缺失引起的偏差项目难度估计的半监督学习方法

2020.

发表在:

第13届教育数据挖掘国际会议论文集，第715-719页

由:康雪，沃尔特·林特，安妮科瑞恩Huggins-Manley


摘要

在从虚拟学习环境(VLEs)收集的数据中，项目反应理论(IRT)模型可用于指导学生能力的持续测量。然而，这种IRT的应用依赖于与vale中测试项目相关的无偏项目参数估计。在没有正式试点的情况下，人们可以期望大量的VLE日志文件数据中的非忽略缺失数据，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。在心理模切文献中，处理缺失数据的方法大部分地归属于数据和丢失数据量并不像来自VLES那些那么大的条件。在本文中，我们介绍了一个半监督的学习方法，以处理大部分包含在VLE数据中的遗失，从中需要获得未偏置的项目参数估计。所提出的框架展示其获得无偏见的项目参数估计的可能性，然后可以在VLE中固定，以便获得用于操作目的的持续能力估计。

查看更多

访问《华尔街日报》

本文在NWEA外发表。全文可在上面的链接中找到。

主题:测量及扩展

相关话题