项目反应理论中的空间依赖性：用于地理和认知测量的高斯过程先验

项目反应理论的测量有效性取决于正确建模当这些依赖反映有意义的理论结构而非随机测量误差时的项目之间的依赖关系。在生态评估中，公民科学家在不同地理区域识别物种时表现出由于环境因素导致的任务难度的系统性空间模式。类似地，在作者识别测试中，文学知识按类型组织，其中熟悉科幻作者系统性地预测对其他科幻作者的识别。当前的空间项目反应理论方法（表示为1PLUS、2PLUS和3PLUS模型族）已解决这些依赖问题，但受限于（1）二元响应限制，以及（2）条件自回归先验对刚性局部相关性假设的限制，无法有效建模复杂的空间关系。我们提出的方法SGP-IRT（Spatial Gaussian Process Item Response Theory）通过取代条件自回归先验为灵活的高斯过程先验来克服这些限制，后者适应复杂的依赖结构，同时保持原则性的不确定性量化。SGP-IRT支持多模态响应，并建模地理空间和抽象认知空间中的空间依赖关系，其中项目按理论构件而非物理位置聚类。模拟研究表明，参数恢复情况得到改善，尤其是项目难度估计。实际应用显示，增强了有意义的难度表面的恢复，以及在心理、教育和生态研究中的测量精度。