基于多维名义反应模型的分类数据测验下新题的LASSO模式识别

多维项目反应理论(MIRT)作为数理统计潜变量建模研究的一个分支,在国际测验研究领域具有重要地位。多维名义反应模型(MNRM)是MIRT中一种拟合多级评分题目的模型,用于开发具有分类数据的诊断型测验以实现对多维潜变量的测量。MNRM构建的纸笔或计算机化自适应测验是测验研究的热点之一;更新基于该模型的题库时函待解决新题的多维度自动识别问题,以确保参数估计、数据挖掘及诊断反馈的精度和安全性。本研究提出的基于LASSO的MNRM的测验新题模式识别方法简称LPRM-NR,能够对相应的纸笔测验及MCAT有效地解决新题的模式识别。本研究通过统计模拟考察LPRM-NR方法的模式识别效果,发现该方法在两类测验情境中,对能力参数不同维数及不同关联度的多种组合的最优识别准确率在77.18%至99.61%之间,模式识别效果良好且兼具易实施、低成本的优点。对纸笔测验情境进行的一项实证研究也表明提出方法的较好效果。LPRM-NR方法对基于MNRM的多维纸笔测验和新兴的MCAT,均具有很好的题库新增题目的模式识别效果,为分类测验的题目更新奠定了基础。