什么是项目反映理论（IRT）？

IRT 是生理丈量学领域中的一类模型，用于设计、分析、验证和计吩炖估考试。它是一套壮大的生理丈量范式，宽泛利用于教育、生理学、人力资源等领域。IRT 解决了诸多关键丈量问题，如跨年等值、自适应考试设计及垂直量尺构建等。

IRT 是模型驱动的，即如果一个特定的数学方程，而后基于原始数据拟合模型，类似于线性回归。模型将人和标题置于统一个潜在量尺（通常称为 θ，theta）上，该量尺代表所丈量的特质（如智商、焦虑水平或特定知识）。IRT 曾被称为潜在特质理论和项目特点曲线理论。

Xcalibre 的作用：IRT 必要使用专门设计的软件。Xcalibre 提供了一个用户敦睦且可视化的平台，用于执行 IRT 分析。

?

为什么必要 IRT？

IRT 代表了生理丈量学的沉要创新。它不仅是分析考试数据的一种方式，更是驱动考试设计、构建、施测、计分和分析全周期的范式。IRT 的优势蕴含：

• 比经典丈量理论（CTT）更正确地评估考试分数

• 为被试提供更精准的反馈

• 通过差距项目职能（DIF）等技术削减工具误差

• 实现跨年等值，维持分数意思

• 支持垂直量尺构建（如跨年级课程衔接）

• 是实现自适应考试的必要前提

• 合用于多种考试体式（速度考试和难度考试均可）

IRT 必要较大的样本量和更深的领域知识（通常需博士级生理丈量学家），因而不合用于幼规模考试（如大学期末考），但全球险些所有大型考试均选取 IRT。

?

CTT 的局限性驱动 IRT 的发展

CTT 已有约百年汗青，因其单一向观，仍被宽泛利用。但其局限性蕴含：

• 统计量依赖样本，无法迁徙到分歧样本

• 统计量绑定于特定考试大局

• 不合用于稀少矩阵数据（如多大局、线性按需考试或自适应考试）

• 等值能力较弱

• 重要针对中等能力被试，对高、低能力被试丈量禁绝

• 未思考猜测成分

• 计分不依赖标题难度

• 不支持自适应考试

• 如果所有被试丈量误差一样（现实中并非如此）

• 如果标题与被试关系为线性（现实不成能）

IRT 较好地解决了上述问题。

?

IRT 的参数

对于二分计分题（正确/谬误），每个标题有三个参数：

• a（分辨度参数）：衡量标题分辨高、低能力被试的能力，通常领域 0~2，越高越好，但无数标题不超过 1.0。

• b（难度参数）：批示标题合用于哪一能力水平的被试，通常领域 -3~+3，0 代表均匀能力水平。

• c（伪猜测参数）：即项目反映函数的下渐近线，通常取 1/k（k 为选项数）。

这些参数共同界说了项目反映函数（IRF），暗示答题正确的概率随能力变动的曲线。例如，a≈1.0 批注分辨度尚可，b≈0.0 批注难度适中，c≈0.20 类似五选一的选择题。

凭据是否必要猜测，可选用三参数、双参数（a,b）或单参数（Rasch 模型，仅 b）。多分计分题（如里克特量表或部门计分题）则扩大模型以蕴含更多参数。

?

IRT 的现实利用示例

IRT 利用 IRF 实现多种用处，蕴含：

• 解读和改善标题机能

• 选取最大似然或贝叶斯步骤计分

• 考试组卷（蕴含线性按需考试和预等值）

• 推算被试分数的正确性

• 开发推算机自适应考试（CAT）

• 后等值

• 差距项目职能查抄（寻找误差）

• 数据取证（发现舞弊或其他问题）

此表，通过组合各标题标 IRF，可得到考试信息函数（TIF）和前提丈量尺度误（CSEM）。TIF 越高，暗示该能力区间丈量信息越多；CSEM 是 TIF 的倒数，可用于构建相信区间（如分数 ± 1.96×SEM）。

?

IRT 的如果

• 所丈量的潜在特质是单维的（若为多维，可使用多维 IRT 或别离处置）

• 标题间部门独立性（作答一题不受其他题影响）

• 正确作答概率由被试能力水平和模型参数决定，允许随机误差

?

IRT 的重要优势

• 量表样本独立性（分歧样本了局可在线性变换下转换到统一量尺）

• 统计量不绑定于特定考试大局

• 合用于稀少矩阵

• 更强的等值能力

• 能更好丈量高、低能力被试

• 支持垂直量尺

• 思考猜测成分

• 计分基于标题难度

• 支持自适应考试

• 误差估计因人而异

• 支持更强的考试组卷

• 不如果线性关系

?

IRT 模型家族

IRT 蕴含多种模型，凭据标题计分方式和维度划分：

单维模型

• 二分计分：Rasch 模型（1PL）、2PL、3PL、4PL

• 多分计分：Rasch 部门计分、Rasch 等级量表、广义部门计分、广义等级量表、分级响应模型

多维模型（每个标题涉及多个潜在因子）

• 赔偿型（一种能力可赔偿另一种）

• 非赔偿型（各能力均需较高水平）

• 双因子模型

多维 IRT 虽已存在数十年，但在现实中利用较少。

?

若何使用 Xcalibre 进行 IRT 分析

首先是获取尺度软件，贸易软件如 Xcalibre，也可使用 R 或 Python 中的包。软件会通过迭代循环拟合模型，并评估模型拟合度。

?

Xcalibre 输出示例（二分计分题）：

• 标题编号、使用模型（如 3PL）、作答人数、正确率

• 经典分辨度（点二列有关）和 IRT 分辨度（a 参数）

• 难度（b 参数）、伪猜测（c 参数）

• 拟合统计量（卡方和 z-Resid），用于判断模型与数据匹配水平

?

Xcalibre 输出示例（多分计分题——广义部门计分模型）：

• 显示各分数等级（如 0、1、2、3 分）的概率曲线

• 天堑地位（曲线交叉点）暗示分歧分数等级转化的能力阈值

• 援手判断标题各分数等级是否合理分辨分歧能力被试

?

?

?

• ?