期刊文章

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Liete，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，我们可以预期，在VLE日志文件数据中会有大量不可忽略的丢失数据，这将对IRT项目参数估计的准确性产生负面影响，进而对未来在VLE中使用的能力估计产生负面影响。在心理计量学文献中，处理缺失数据的方法大多集中在数据和缺失数据的数量不如来自VLEs的数据大的情况下。在本文中，我们引入了一种半监督学习方法来处理VLE数据中包含的大量缺失，从这些缺失中我们需要获得无偏项参数估计。提出的框架显示了其获得无偏项参数估计的潜力，然后可以在VLE中固定这些参数，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

相关的话题