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
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
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 ratings.Psychmet-rika,1987,52(2):165～181
[12] Mellenbergh G J.A unidimensional latent trait model forcontinuous it 《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(第4页)》
本文链接地址：http://www.oyaya.net/fanwen/view/159051.html
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 ratings.Psychmet-rika,1987,52(2):165～181
[12] Mellenbergh G J.A unidimensional latent trait model forcontinuous it 《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(第4页)》
★读了本文的人也读了：