论文

  2PLM-RANK多维迫选模型及其高效参数估计算法

  （A 2PLM-RANK multidimensional forced-choice model and its fast estimation algorithm）

  郑蝉金、徐培毅、张文清等

期刊

  Behavior Research Methods

  （影响因子：5.4）

摘要

  高风险的非认知测试经常使用迫选量表的形式来预防造假行为的出现，但这种测验形式会导致自模式数据的出现。为了解决这个问题，研究者建立了大量的迫选模型。其中，多重单维成对偏好（MUPP）模型是一种灵活易用的框架，但该模型是为展开题型建立的，且只能处理二元组题块。本研究提出新模型2PLM-RANK作为MUPP模型的推广，使之适用于优势题型。此外，本文还提出将改进的随机EM（iStEM）算法引入迫选领域，以提高参数估计的稳定性和效率。模拟研究的结果支持了新算法在不同条件下应用于三元组和四元组时的效率和实用性。一个真实的24维人格测验的参数估计结果也支持了该模型的高效性。为了进一步推广新模型和新算法，我们提供了一个用户友好的R包，本研究的实证数据和R包代码可在以下链接获取：https://github.com/SAL-Lab-ECNU/MIRT4FC

  教育心理学系始终把师资队伍建设作为提高教学水平、保证人才培养质量的关键。我系致力于为青年教师搭建多维成长平台，引导教师潜心科研、专注教学，不断推进教研相长，以期建成一支科研能力突出、教学水平优秀的教师队伍。

~END~