简介:本文在文献[1]提出Logistic模型参数近似估计的基础上,根据被试能力参数的不同情况得到两参数和三参数模型的参数估计新方法,新方法的特点是计算简单而不失精度,蒙特卡洛模拟表明新方法是一种快速而有效的算法。
简介:目的:与经典测量理论相比,项目反应理论具有更多的优势,但由于项目反应理论模型的复杂性,进行参数估计时往往需要较大的被试样本;人工神经网络的出现为小样本被试估计项目反应理论的能力参数和项目参数提供了可能,文章的目的是通过神经网络的蒙特卡罗模拟研究寻找更精确的参数估计方法。方法:以项目反应理论的两参数模型为例,以MAB和RMSE为比较指标,通过模拟数据比较经典测量理论的通过率、点二列相关系数、平均得分作为神经网络的输入值与以经过转换的数值(IRT参数估计的初值)作为神经网络的输入值训练网络结果的差异,比较不同条件下MAB指标和RMSE指标的差异。结果:以通过率估计项目参数b与以bj=zj/rbj估计项目参数b存在差异;以点二列相关系数估计项目参数a与以aj=rbj/√1-r^2bj估计项目参数a存在差异;以平均得分估计能力参数θ与以ln[x/(m-x)]估计能力参数θ存在差异。结论:对于两参数项目反应模型,以通过率估计项目参数b比以bj=zj/rbj估计项目参数b误差更小,而以点二列相关系数估计项目参数a比以aj=rbj/√1-r^2bj估计项目参数a误差更大,以平均得分估计能力参数θ比以ln[x/(m-x)]估计能力参数θ误差更大。
简介:摘要:现今社会,随着全球竞争局势越来越激烈,因因此,竞争的方面也开始不断的加大,有一句话说,各个国家的竞争说到底就是人才的竞争,也正因为如此,开始注重教育,而我们国家也在不断推进教育的发展,从九年义务教育到课程改革,无疑使得我们的教育更快的跟随只带的发展,伴随着我们国家素质教育的不断推进,对于学生的要求也越来越高,对于培养学生的能力也越来越重视。那么,根据教学现实以及解题的能力来说,如果想要更好的培养其能力,就要引入新的教学手段,培养其新型的能力来推进自己的数学能力。本篇文章就是根据在核心素养背景之下,培养学生建模的能力的方法进行分析。并在提出了具体应用的策略。