메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
김성훈 (한양대학교)
저널정보
한국교육평가학회 교육평가연구 교육평가연구 제34권 제3호
발행연도
2021.9
수록면
475 - 503 (29page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
이요인 명명반응(nominal response: NR) 모형은 확인적 다차원 문항반응이론(IRT) 모형 중 하나이다. 본 연구의 목적은 이요인 NR 모형을 위한 공통-문항 기반 척도연계 방법으로 직접 최소제곱(DLS), 평균/최소제곱(MLS) 및 문항유목반응함수(ICRF) 방법을 제시하고 모의실험을 통해 이 방법들의 특성과 상대적 기능을 탐구하는 데 있다. 제시된 방법들은 일반 요인과 특수 요인의 각 차원에 대해 모집단 연계 함수의 팽창 및 이동 계수(dilation and translation coefficients)를 추정한다. DLS 방법과 MLS 방법에 대해, 이동 계수를 추정할 때 각 문항의 최상위 반응 유목의 모수만을 사용하는 버전과 최하위 유목을 제외한 모든 유목의 문항 모수를 사용하는 버전을 제시하였다. 모의실험 요인으로 피험자 모집단 간 능력분포의 비동등성, 표본의 크기, 공통 문항의 수 등을 고려하였다. 모의실험 연구의 주요 결과는 다음과 같았다. 첫째, DLS와 MLS 방법은 최상위 유목의 문항 모수만을 사용하는 버전이 모든 유목의 문항 모수를 사용하는 버전보다 이동 계수를 더 정확하게 추정하였다. 둘째, DLS, MLS 및 ICRF 방법은 특수 차원의 척도연계 계수보다 일반 차원의 척도연계 계수를 더 정확하게 추정하였다. 셋째, 모의실험의 모든 조건에서 ICRF 방법은 척도연계 계수와 문항 모수의 복원 추정에서 가장 뛰어난 수행을 보였다.
#이요인 명명반응 모형 #다차원 척도연계 #문항반응이론(IRT) #Bi-factor nominal response model #multidimensional scale linking #item response theory (IRT)

목차

등록된 정보가 없습니다.

참고문헌 (35)

참고문헌 신청
김성훈 / 2019 / 이요인 등급반응 모형을 위한 공통-문항 척도연계 방법 / 교육평가연구 32(4):549~573 dbpia 김성훈 / 2019 / Bock의 명명반응 모형의 재모수화: 원형 모형과 개정 모형 / 교육평가연구 32(3):397~420 Crossref 김성훈 / 2020 / 다차원 명명반응 모형을 위한 척도연계 방법 / 교육평가연구 33(3):655~679 dbpia 김성훈 / 2016 / 모수 복원 상황에서 MIRT 척도연계 방법의 기능 진단 / 교육평가연구 29(4):669~696 dbpia 김성훈 / 2020 / 이요인 일반화부분점수 모형을 위한 공통-문항 기반 다차원 IRT 척도연계 방법 / 교육평가연구 33(1):73~98 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0