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:《历史与社会》是基础教育课程改革新开设的一门综合课程,与以前的分科课程相比,她更贴近社会生活、更提倡人文精神、更关注事物之间的联系。所以教材的编排上虽然有许多的创新,但作为一门开放的、和社会生活紧密联系的学科,教材仍存在一些先天不足。如,教材内容的滞后性,教材编排的定型化,课程资源的有限性。需要教师在教学的过程中补充相应的课外资料,来弥补教材的不足之处,更好地体现《历史与社会》的课程理念。在这样一个信息时代,可以搜集到的资料无数。怎样在这些资料中进行选择、整合、应用。才能激起学生的兴趣,让学生对教材有更深的理解,更好地达到教学目标呢?基于这样一个思考,我选择了“干旱的宝地——石油宝库”为教学内容开设了公开课进行教学研究。