大学英语四、六级考试分数的机助百分位等值研究

本文试图在计算机帮助下,运用数据平滑和插值计算方法,对考试分数作机助的百分位等值,以建立两次考分之间不间断的对应关系。本文的基本思路是:先用数学方法直接对两个考试分数的百分位曲线作平滑拟合处理,并对异常的点作特别的修正,对修正之处要征询专家意见并评价其合理性。第二步,建立分数等值转换表,并在必要时作插值计算,使两个考试分数之间能建立起精确的转换关系。本研究对目前考试领域中普遍存在的主、客观题分数之间的等值问题,提出了具有重要参考价值的计算机化解决方案。

基于大数据的线性等值和等百分位等值对比研究

基于高考语数英3科目实际得分抽样数据,对线性等值和等百分位等值进行应用比较研究。结果表明,经过两种方法等值处理后,大多数考生分数的等值分基本相当;在分数断档或聚集情况下,线性等值方法会改变所有分数点的等值分,等百分位等值方法则只会影响断档或聚集分数段内分数点的等值分;在测验分布相差较大的情况下,等百分位等值可能出现“天花板效应”或“地板效应”。

等百分位等值方法的理论与考试应用研究

多项式对数线性预光滑技术是等百分位等值的一类重要的光滑方法。本文详细介绍了等百分位等值的基本算法及多项式对数线性预光滑技术在等百分位等值方法中的实际应用,重点给出了确定该预光滑技术的多项式阶数这一关键环节的选择策略。

线性等值与等百分位等值的实施条件与步骤

为降低"一考定终身"的危害,实现"一年多考"的改革目标,同时为了科学评价学生成绩的变化,测验等值是必然的选择。鉴于众多考试偏爱主观性试题的情况,线性等值和等百分位等值的方法值得尝试。文章对这两种方法的概念、使用条件和步骤、注意事项等方面进行了详细讨论,以便考试实践工作者能快速用好测验等值方法。

基于Bootstrap方法的等百分位等值误差分析

等值标准误是描述等值随机误差的一个非常有效的指标。本文从等值标准误的角度,结合实测数据,使用Bootstrap方法对预光滑等百分位等值、后光滑等百分位等值以及未光滑等百分位等值三种方法的随机误差进行了实证研究,以探究在不同光滑方法下随机误差的变化。

无铆题情况下测验分数等值方法探索——构造铆测验法

研究旨在探索无铆题情况下,使用构造铆测验法,实现测验分数等值。研究一和研究二分别探索题目难度排序错误、铆题难度差异对构造铆测验法的影响。结果表明:(1)等组条件下,随着错误铆题比例,难度排序错误程度,铆题难度差异增大,构造铆测验法的等值误差逐渐增大,随机等组法的等值误差较为稳定;不等组条件下,构造铆测验法的等值误差均小于随机等组法;(2)对于构造铆测验法,在不等组条件下,铆测验长度越短,等值误差越大。

题目难度分布和样本容量对两种CTT等值结果的影响

基于经典测验理论(CTT)的等值方法主要有线性等值和等百分位等值两种。在不同情境下,不同的等值方法会产生不同的等值结果。本研究以真分数等值为依据,用蒙特卡洛模拟研究方法,综合比较了各种题目难度分布条件下和各种样本容量条件下两种CTT等值方法的等值结果。研究结果表明:(1)线性等值的误差受题目难度分布影响较大,等百分位等值的误差几乎不受题目难度分布影响。(2)线性等值的误差几乎不受样本容量的影响,等百分位等值的误差受样本容量影响较大。(3)不论题目难度分布如何,只要样本容量足够大,等百分位等值的效果都比线性等值更好。

对男大学生上肢力量类测验项目的等值研究

为建立两上肢力量测验(引体向上、双杠屈臂)评分评价标准间等值关系式,并比较不同等值方法对等值准确性和稳健性的影响,对453名男大学生分别进行了两项测验,每项测验间隔一周,对其进行线性等值、一般的等百分位等值和平滑的等百分位等值。结果表明:①在进行平滑等百分位等值时,平滑模型的选取应视不同的测验项目而定。②在对两种上肢力量类测验等值的三种方法中,线性等值方法的效果最好。

单组设计中三种基于CTT的等值方法群体不变性的研究

本研究对单组设计中平均数等值、线性等值和等百分位等值三种等值方法的群体不变性进行了探讨。研究数据来自中国汉语水平考试,考生按性别被分为不同的子群体。研究结果表明,平均数等值和线性等值两种方法在子群体和总体考生中的等值转换关系很接近,具有较好的群体不变性;而等百分位等值法在子群体和总体考生中的等值结果差异较大,群体不变性较差。

锚测验难度参数方差特征对测验等值的影响研究

本文使用R-2.15.2软件模拟研究锚测验难度参数方差特征对测验等值误差的影响,采用三种等值方法(链百分位等值法、Levine等值法和Tucker等值法)对锚测验不同类型的难度方差进行比较研究。结果显示,当锚测验难度方差小于全测验难度方差时,其等值的随机误差和系统误差与锚测验难度方差和全测验难度方差一致时(即锚测验为全测验的平行缩减版minitest时)的表现基本相同。因此,对锚测验而言,要求其与全测验具有相同的统计规格可能过于严格。