您现在的位置: 范文先生网 >> 行政管理论文 >> 管理科学论文 >> 正文

基于联结主义的连续记分IRT模型的项目参数和被试能力估计

时间:2006-11-26栏目:管理科学论文

每一层的神经元的数量,但由于本研究采用的是级联相关模型,它可以根据反传误差的大小自动地调整网络的拓扑结构和联结权重,因此可以自动地建立优化的网络结构,不再需要考虑学习率等问题;另外在人工神经网络的训练过程中,本研究的程序设计也使得只有误差达到预定的很小的数值时,训练过程才停止,这就保证了被训练过的神经网络是较高质量的。由此可见,联结主义(人工神经网络)模型是采用了和一般统计技术完全不同的思路和方法,它对IRT参数估计的可靠性主要不是取决于被估计样本的大小,而是依赖于经过训练的神经网络的质量,因此我们只要采取一定的措施将神经网络训练好,就有可能对小样本的IRT数据进行可靠的参数估计。
    5.2 需要进一步研究的问题
  (1)首先是在编制测验时,需要一部分已知项目参数的二值记分题目,这对于已经建立题库的学科来说是可以做到的,但对于尚未建立题库的学科,就无法运用这一方法。虽然可以用BILOG等软件对有关的二值记分项目进行参数估计,但如果没有BILOG等软件又该怎么办呢?要解决这个问题,需要构造更加复杂的神经网络模型,笔者目前正在构造“基于知识的级连相关模型”,并试图用它解决这一困难,实验结果将另文阐述。
  (2)该方法要求实际的测验中有一部分作为锚题的项目是已知参数的,那么这一部分锚题至少应该是多少项目呢?它们占整个测验的比例至少要达到多少呢?本实验表明若锚题数量为15,它们在整个测验中所占比例为三分之一,就可获得良好结果,那么少于15个项目行不行?低于三分之一的比例行不行?笔者也正在作进一步的实验。
  (3)本研究中用蒙特卡罗方法产生虚拟的被试能力和项目参数,那么它们的分布应该是什么形式为最好?人工神经网络的理论认为是均匀分布为最好,因此在本研究中采用了均匀分布。但是在对实际数据的分析中,有些数据是由真实的被试和项目产生的,不可能保证他(它)们呈完全的均匀分布,那么这种偏离均匀分布的情况对于估计值的误差有多大影响?另外,是否可以减少虚拟数据数量甚至取消虚拟数据,而完全采用真实的数据?也需要进一步探讨。
  虽然有待于进一步研究的问题还很多,但这一实验毕竟提出了一种新的、有一定应用价值的方法。
【参考文献】
  [1] Hambleton  R  K.Item  Response  Theory:Principles  and  Appli-cations.Boston:Kluwer-Nijhoff  Pub,1985.58~63
  [2] Yu  J  Y.Item  Response  Theory  and  Its  Application(in  Chin-ese).Nanjing:Jiangsu  Education  Press,1992.79~84
  (余嘉元.项目反应理论及其应用.南京:江苏教育出版社,1992.79~84)
  [3] Baker  F  B.Item  Response  Theory:Parameter  Estimation  Tec-hniques.New  York:M.Dekker,1992.66~71
  [4] McLead  P.Introduction  to  Connectionist  Modeling  of  Cogn-itive  Processes.New  York:Oxford  University  Press,1998.256~261
  [5] Mahwah  N  J,Erlbaum  L  L.Localist  Co

nnectionist  Approaches  to  Human  
Cognition.New 
 York:Oxford  University  Press,1998,188~192
  [6] Anderson,J.A.An  Introduction  to  Neural  Networks.Cambrid-ge:The  MIT  Press,1995,136~143.
  [7] Yu  J  Y.Studying  perceptual  boundary  effects  with  connec-tionist  model(in  Chinese).Acta  Psychologica  Sinica,2001,33(2):123~126
  (余嘉元.运用联结主义模型研究知觉边界效应问题,心理学报,2001,33(2):123~126)
  [8] Haykin  S  S.Neural  Networks:A  Comprehensive  Foundation.Upper  Saddle  
River,N.N.,Press  Hall,1999.178~181
  [9] Fahlman  S  E,Lebiere  C.The  Cascade-correlation  learning  architecture.In:Touretzky  D  S  ed.Advances  in  Neural  Informati-on  Processing  Systems.Los  Altos,CA:Morgan  Kaufmann,1990.524~532
  [10] Samejima  F.Homogeneous  case  of  the  continuous  response  
model.Psychometrika,1973,38(3):203~219
  [11] Muller  H.A  Rasch  model  for  continuous&nb

上一页  [1] [2] [3] [4] [5] 下一页

下页更精彩:1 2 3 4 下一页