精准教育：一种处理测评数据中题目与被试异质性的贝叶斯非参数方法
统计方法学
2022-11-23 v1
摘要
本文通过引入题目层面的聚类效应，并进一步假设每个题目聚类下被试层面的异质性（由二项分布的混合刻画），提出了一种新颖的非参数贝叶斯项目反应理论（IRT）模型。本工作的主要贡献有三方面：（1）我们证明了该模型可识别。（2）聚类效应可被渐近捕获，且衡量被试解答特定题目熟练度的感兴趣参数可以根n速率（至多相差一个对数项）估计。（3）我们给出了一种易于处理的采样算法，以从所提模型中获取有效的后验样本。我们通过一系列模拟评估了我们的模型，并将其应用于一份英语测评数据。该数据分析实例很好地说明了测试编制者如何利用我们的模型区分不同类型的学生，并辅助未来测试的设计。
引用
@article{arxiv.2211.11888,
title = {Precision education: A Bayesian nonparametric approach for handling item and examinee heterogeneity in assessment data},
author = {Tianyu Pan and Weining Shen and Clintin P. Davis-Stober and Guanyu Hu},
journal= {arXiv preprint arXiv:2211.11888},
year = {2022}
}