কীভাবে আইটেম প্রতিক্রিয়া তত্ত্ব প্রয়োগ করতে হবে এবং কোন সফ্টওয়্যার ব্যবহার করবেন?


21

প্রসঙ্গ

আমি আইটেম প্রতিক্রিয়া তত্ত্ব সম্পর্কে পড়া হয়েছে, এবং আমি এটি আকর্ষণীয় মনে। আমি বিশ্বাস করি যে আমি বেসিকগুলি বুঝতে পেরেছি, তবে কীভাবে এই ক্ষেত্রের সাথে সম্পর্কিত পরিসংখ্যান কৌশলগুলি প্রয়োগ করতে হবে তা নিয়ে আমি অবাক হয়েছি। নীচে দুটি নিবন্ধ রয়েছে যা আমি আইটিআর প্রয়োগ করতে চাইলে সেই অঞ্চলের অনুরূপ:

দ্বিতীয়টি হ'ল আমি আসলে সময়ে এই মুহুর্তে প্রসারিত করতে চাই।

আমি জেমেট্রিক নামে একটি নিখরচায় প্রোগ্রাম ডাউনলোড করেছি এবং মনে হচ্ছে এটি দুর্দান্ত কাজ করছে। আমি মনে করি আইআরটি যতদূর যায় এটি খুব প্রাথমিক হতে পারে তবে আমি অনিশ্চিত।

আমি জানি "সেরা" উপায়টি সম্ভবত আর শেখার সাথে জড়িত; যাইহোক, আমি জানি না যে আমি সেই শিক্ষার বক্ররেখা মোকাবেলার জন্য সময়টি ব্যয় করতে পারি কিনা। নোট করুন যে সফ্টওয়্যার কেনার জন্য আমাদের কিছু তহবিল রয়েছে, তবে যা আমি দেখছি, সেখানে কোনও দুর্দান্ত আইআরটি প্রোগ্রাম বলে মনে হচ্ছে না।

প্রশ্নাবলি

  • জেমেট্রিকের কার্যকারিতা সম্পর্কে আপনার মতামত কী?
  • আইআরটি প্রয়োগের ক্ষেত্রে আমি কীভাবে এগিয়ে যাওয়ার পরামর্শ দিই?
  • আইআরটি প্রয়োগের জন্য সেরা প্রোগ্রামগুলি কী কী?
  • আপনারা কেউ কি নিয়মিত আইআরটি ব্যবহার করেন? যদি তাই হয়, কিভাবে?

1
আপনি বর্তমানে কোন সফ্টওয়্যার ব্যবহার করেন?
স্টাসকে

আমি জেমেট্রিক ব্যবহার করছি। এটি দেখতে দেখতে একেবারেই নতুন এবং আমি আগ্রহী এমন অনেক কাজ করে চলেছি!
বেহাকাদ

2
এটি কোনও স্ক্রিপ্ট মোডে কাজ করে? আপনার যদি কেবল জিইআইআই থাকে তবে আপনার ফলাফলগুলি পুনরুত্পাদন করা খুব কঠিন হবে। যে কোনও গুরুতর সফ্টওয়্যারটির জন্য একটি স্ক্রিপ্ট মোড আবশ্যক।
স্টাস্ক

উত্তর:


22

আইআরটি-র একটি ভাল স্টার্টার হিসাবে, আমি সর্বদা আইটেম প্রতিক্রিয়া তত্ত্বের একটি ভিজ্যুয়াল গাইড পড়ার পরামর্শ দিই ।

উপলব্ধ সফ্টওয়্যারগুলির একটি সমীক্ষা www.rasch.org- এ পাওয়া যাবে

আমার অভিজ্ঞতা থেকে, আমি বেশিরভাগ ক্ষেত্রে রাশটেষ্ট (এবং সম্পর্কিত) স্টাটা কমান্ড (গুলি) খুব সার্থক পেয়েছি যেখানে ওয়ান-প্যারামিটার মডেল ফিটনে আগ্রহী। আরও জটিল ডিজাইনের জন্য, কেউ গ্ল্যামলামে অবলম্বন করতে পারে ; ডি বোইক এবং উইলসনের বই, ব্যাখ্যামূলক আইটেম এবং রেসপন্স মডেলগুলি (স্প্রঞ্জার, 2004) এর উপর ভিত্তি করে একটি দুর্দান্ত কাজের উদাহরণ রয়েছে

আর সম্পর্কে বিশেষত, প্রচুর প্যাকেজ রয়েছে যা বিগত পাঁচ বছরে উপলভ্য হয়েছে, উদাহরণস্বরূপ সম্পর্কিত CRAN টাস্ক ভিউ দেখুন । তাদের অধিকাংশই একটি আলোচনা করা হয়েছে বিশেষ বিষয় নিয়ে পরিসংখ্যানগত সফটওয়্যার জার্নাল (ভোল। 20, 2007)। অন্য প্রতিক্রিয়া হিসাবে আলোচিত হিসাবে, এলটিএম এবং ইআরএম বিস্তৃত আইআরটি মডেলগুলিকে ফিট করতে দেয়। তারা যেমন অনুমানের বিভিন্ন পদ্ধতির উপর নির্ভর করে --- শর্তসাপেক্ষ পদ্ধতি ব্যবহার করার ltmসময় প্রান্তিক পদ্ধতির eRmব্যবহার করে --- একটি বা অন্যটি বেছে নেওয়া মূলত আপনি যে মডেলটিকে ফিট করতে চান তার বিষয়টি (eRm 2- বা 3-পরামিতি মডেলগুলি ফিট করবে না) এবং আপনি যে পরিমাপের উদ্দেশ্যটি অনুসরণ করেন: শর্তসাপেক্ষে ব্যক্তির পরামিতিগুলির কিছু মনস্তাত্ত্বিক বৈশিষ্ট্য রয়েছে যখন একটি প্রান্তিক পদ্ধতির সাহায্যে আপনাকে সহজেই মিশ্র-প্রভাবগুলির মডেলটিতে স্যুইচ করতে দেওয়া হবে, যেমন নীচের দুটি কাগজে আলোচনা করা হয়েছে :

এছাড়া কিছু সম্ভাবনা এমসিএমসি পদ্ধতি ব্যবহার করে Rasch মডেলের মাপসই দেখুন উদাঃ করছে MCMCpack প্যাকেজ (অথবা WinBUGS / Jags কিন্তু দেখতে আইটেম রেসপন্স তত্ত্বের বাগ কোড , জনসংহতি (2010) 36)।

আইআরটি মডেলিংয়ের জন্য এসএএসের সাথে আমার কোনও অভিজ্ঞতা নেই, তাই আমি এসএস প্রোগ্রামিংয়ের সাথে বেশি পারদর্শী এমন কাউকে এটি দেব।

অন্যান্য উত্সর্গীকৃত সফ্টওয়্যার (বেশিরভাগ শিক্ষাগত মূল্যায়নে ব্যবহৃত হয়) এর মধ্যে রয়েছে: রাম, কনকোয়েস্ট, উইনস্টেপস, বিলগো / মাল্টিলোগ, এমপ্লাস ( উইকিপিডিয়ায় ইতিমধ্যে উপলব্ধ তালিকাটি উদ্ধৃত করে না )। কোনওটিই ব্যবহারের জন্য নিখরচায় নয়, তবে তাদের কয়েকটির জন্য সময়-সীমাবদ্ধ বর্ধিত সংস্করণ প্রস্তাবিত proposed আমি দেখেছি jMetrik খুব সীমিত যখন আমি এটা চেষ্টা (এক বছর আগে), এবং সমস্ত বৈশিষ্ট্য ইতিমধ্যে উপলব্ধ আর ক্ষেত্রেও যেসব হয়, ConstructMap নিরাপদে দ্বারা প্রতিস্থাপিত হতে পারে lme4 যেমন দেখানো হয়েছে, বিলিপত্র উপরে লিঙ্ক। mdltmভন ডেভিয়ার এবং সংঘর্ষের মিশ্রণ রাশ মডেলগুলির জন্য আমারও (মাল্টিমাইডিমেনশনাল ডিস্রিট ল্যাটেন্ট ট্রাইট মডেলস) উল্লেখ করা উচিত , যা বইটি অনুগ্রহ করেমাল্টিভারিয়েট এবং মিশ্রণ বিতরণ রস মোডেল (স্প্রিংগার, 2007)।


ফ্যান্টাস্টিক! খুব ব্যাপক উত্তরের জন্য আপনাকে ধন্যবাদ! এই উভয় উত্তরই আমাকে সুন্দরভাবে সহায়তা করবে, পাশাপাশি এই ক্ষেত্রটি অনুসরণ করতে আগ্রহী অন্য কেউও আমি নিশ্চিত। আমি আপনাকে আবার জেমেট্রিকের দিকে নজর দেওয়ার পরামর্শ দিচ্ছি এবং সম্ভবত আমাকে আপনার মতামত দিন। এটিতে এখন র‌্যাশ মডেলিং, আইসিসি কার্ভস, কিছু আইআরটি বক্ররেখা, আইআরটি সমীকরণ (1PT, 2PT, 3PT মডেল) এবং আরও অনেক কিছু রয়েছে।
বেহাকাদ

আমি আপডেট সংস্করণ তাকান। তবে, সত্যিই, @ স্ট্যাস্ক যা বলেছে তা মনে রাখার মতো, যদি আপনি পরামিতিগুলির অনুমান এবং ভিজ্যুয়াল রিপোর্টিংয়ের বাইরে গুরুতর কিছু করার পরিকল্পনা করেন। এ বর্ণন আমি কি বলতে চাচ্ছি একটি ধারণা পেতে, দ অ্যাপ্লিকেশনের সাথে সাইকোমেট্রিক তত্ত্ব একটি উপস্থাপনা । (এটি কিছু "আধুনিক" সাইকোমেট্রিক্সের চেয়ে বেশি কভার করে covers)
chl

@ চি - এমপ্লাসে এবং পরে মাল্টল্লগে যখন একই বিশ্লেষণ চালিয়েছিলাম তার তুলনায় আমি যখন এলটিএম ব্যবহার করে আইআরটি বিশ্লেষণ করতাম তখন আমি খুব আলাদা ফলাফল পেয়েছিলাম (যেখানে এমপ্লাস এবং মাল্টল্লগে বিশ্লেষণ অভিন্ন ছিল)। আমি কেন এলটিএম লেখকের সাথে কাজ করার চেষ্টা করেছি, কিন্তু কোনও প্রতিক্রিয়া পাইনি। বিভিন্ন সফ্টওয়্যার প্যাকেজ থেকে অপ্রত্যাশিত ফলাফল নিয়ে আপনার কি একইরকম অভিজ্ঞতা আছে?
টর্মোড

@ টর্মোড কোন অর্থে খুব আলাদা? ex5.5এমপ্লাস এবং আর / এলটিএম এ উদাহরণ চালাচ্ছি, আমি প্রায় পেয়েছি। একই ফলাফল। যদিও সফটওয়্যারটি ব্যবহার হচ্ছে তার উপর নির্ভর করে কিছু বৈকল্পিকতা প্রত্যাশিত। সাধারণত, আমি যা পেয়েছি তা প্যারামিট্রাইজেশন (লগিট / প্রবিট) এর সাথে সম্পর্কিত, এটি ( আইটেম, ব্যক্তি) বা যা মডেল করা হয়েছে এবং অনুমানের পদ্ধতি (প্রান্তিক বনাম শর্তাধীন সম্ভাবনা) এবং 2+ প্যারামিটার মডেলের জন্য থ্রেশহোল্ডগুলি কেন্দ্রিক কিনা। আমি = 1 , , কে পি = 1 , , এন β আই - θ পিθpβii=1,,kp=1,,nβiθp
chl

@চি - প্রতিক্রিয়াতে দেরি হওয়ার জন্য দুঃখিত, আমি আপনার মন্তব্যটি লক্ষ্য করি নি। এটি এখনও প্রাসঙ্গিক কিনা তা জানেন না তবে বৈষম্য পরামিতিগুলির (ক) এর জন্য আমি 0.184 - 1.429 থেকে পৃথক হয়েছি। উদাহরণস্বরূপ, এমপ্লাস একটি = 5.084 দিয়েছে যেখানে এলটিএম একই আইটেমটিকে a = 3.655 দিয়েছে। সামগ্রিকভাবে, এলটিএম এমপ্লাসের চেয়ে ছোট একটি দিয়েছে। (মাল্টলগে একই বিশ্লেষণ চালানো এমপ্লাস থেকে এর এর সাথে একটির অনুরূপ দিয়েছে)। খ আরও বেশি পরিচিত ছিল।
টর্মোড

8

প্রথম প্রশ্নের কাছে আমার কাছে জেমেট্রিক সম্পর্কে কোনও তথ্য নেই।

আইআরটি প্রয়োগের ক্ষেত্রে, (অন্য কোনও পরিসংখ্যান পদ্ধতির মতো) প্রথম পদক্ষেপটি হ'ল সম্ভব বিভিন্ন ধরণের ডেটা ব্যবহার করে। একটি শেখার বক্ররেখা আছে, তবে আমি বিশ্বাস করি যে এটি মূল্যবান।

আইআরটির একটি গুরুত্বপূর্ণ বৈশিষ্ট্য হ'ল রাশ মডেল এবং আইআরটি মডেলগুলির মধ্যে পার্থক্য। এগুলি বিভিন্ন লোকেরা বিভিন্ন উদ্দেশ্যে তৈরি করেছিল। বলা হচ্ছে, আইআরটি মডেলগুলি রাশ মডেলের একটি সুপারসেট।

রাশ মডেলগুলি একটি প্যারামিটার মডেল - তারা ধরে নেয় যে প্রশ্নাবলীর সমস্ত আইটেম সুপ্ত বৈশিষ্ট্যের সমানভাবে ভবিষ্যদ্বাণীপূর্ণ।

আইআরটি মডেলগুলি তবে দুটি পরামিতি মডেল যা অংশগ্রহণকারীদের সক্ষমতা সম্পর্কে তথ্য সরবরাহের ক্ষমতাকে প্রশ্নগুলির মধ্যে পার্থক্য করতে দেয়।

তদতিরিক্ত, এখানে তিনটি প্যারামিটার মডেল রয়েছে যা আইআরটি মডেলের মতো, তারা অনুমানযোগ্য পরামিতিগুলিকে সুযোগ দ্বারা সঠিক উত্তর পাওয়ার জন্য অংশগ্রহণকারীদের দক্ষতার জন্য অ্যাকাউন্টিং করার অনুমতি দেয় (এটি ব্যক্তিত্ব পরীক্ষার চেয়ে দক্ষতার ক্ষেত্রে উদ্বেগের বিষয়)।

এছাড়াও, বহু-মাত্রিক আইআরটি রয়েছে যা এক সাথে একাধিক সুপ্ত দক্ষতার অনুমান করে। আমি এ সম্পর্কে খুব বেশি কিছু জানি না, তবে এটি এমন একটি অঞ্চল যা আমি আরও শিখতে চাইছি।

দ্বিধাত্বক এবং বহুভুজ আইআরটি পদ্ধতির মধ্যেও পার্থক্য রয়েছে। দ্বৈতশাসিত আইআরটি মডেলগুলি হ'ল দক্ষতা পরীক্ষায় ব্যবহৃত, যার সঠিক এবং ভুল উত্তর রয়েছে। পলিটমাস আইআরটি মডেলগুলি ব্যক্তিত্ব পরীক্ষায় ব্যবহৃত হয়, যেখানে একাধিক উত্তর রয়েছে, যা সমানভাবে সঠিক (এই অর্থে যে কোনও সঠিক উত্তর নেই)।

আমি ব্যক্তিগতভাবে আইটেম প্রতিক্রিয়া তত্ত্বের জন্য আর ব্যবহার করি। আমি ব্যবহার করেছি এমন দুটি প্রধান প্যাকেজ রয়েছে eRmযা কেবল রাশ মডেলগুলির সাথে ltmফিট করে এবং যা আইটেম প্রতিক্রিয়া তত্ত্বের মডেলগুলি (দুটি এবং তিনটি পরামিতি মডেল) ফিট করে। উভয়েরই একই কার্যকারিতা রয়েছে এবং উভয়ই দ্বৈতশাসিত আইআরটি মডেলগুলির জন্য আরও রুটিন সরবরাহ করে। আরআর আইআরটি-র জন্য "সেরা" কিনা তা আমি জানি না, এতে প্রচুর পরিমাণে আইআরটি মডেল পাওয়া যায় না, তবে এটি অবশ্যই সবচেয়ে এক্সটেনসিবল, যাতে এই মডেলগুলি তুলনামূলকভাবে সহজে প্রোগ্রাম করতে পারে।

আমি আইআরটি প্রায় একচেটিয়াভাবে বহুভোজী মডেলগুলির জন্য ব্যবহার করি, আর আমি সাধারণত mokkenঅনুমানগুলি পরীক্ষা করতে নন প্যারাম্যাট্রিক আইআরটি পদ্ধতি (প্যাকেজটিতে সরবরাহিত ) দিয়ে শুরু করি এবং তারপরে ভাল ফিট হওয়ার জন্য আরও জটিলতা যুক্ত করে একটি র‌্যাশ মডেল নিয়ে এগিয়ে যাই।

বহুমাত্রিক আইআরটি-র জন্য, সেখানে 'প্যাকেজ' প্যাকেজ রয়েছে যা এই কার্যকারিতা সরবরাহ করে। আমি এটি ব্যবহার করি নি তাই আমি আসলে মন্তব্য করতে পারি না।

আপনি যদি এই প্যাকেজগুলিকে আর-তে ইনস্টল করেন এবং 'ভিগনেট ("প্যাকেজ নাম")' ফাংশনটি কল করেন তবে আপনাকে কিছু কার্যকর উইগনেটগুলি পাওয়া উচিত (অবশ্যই অন্যদের জন্য eRmএবং mokkenসম্ভবত) আপনার পক্ষে কার্যকর প্রমাণিত হতে পারে (আপনার স্তরের উপর নির্ভর করে গাণিতিক পরিশীলিতকরণ)।

অবশেষে, রাশ এবং শার্টগুলির মডেলগুলির জন্য বেশ কয়েকটি ভাল বই উপলব্ধ। মনোবিজ্ঞানীদের জন্য আইটেম প্রতিক্রিয়া তত্ত্বটি প্রায়শই ব্যবহৃত হয় (যদিও আমি স্টাইলটি পছন্দ করি না), এবং প্রযুক্তিগত পরিশীলনের শৃঙ্খলাটি আরও দুটি ব্যাপক এবং দরকারী পাঠ্যপুস্তক রয়েছে - আধুনিক আইটেমের প্রতিক্রিয়া থিওরি এবং রশ মডেলের হ্যান্ডবুক : ফাউন্ডেশনস, সাম্প্রতিক উন্নয়ন এবং অ্যাপ্লিকেশন

আশা করি এটা কাজে লাগবে.


ধন্যবাদ! যে প্রশংসিত হয়। যদি কারও কাছে এলাকায় কিছু জ্ঞান থাকে তবে আমি সফ্টওয়্যার বিকল্পগুলি সম্পর্কে আরও শুনতে চাই।
বেহাকাদ

3

jMetrik আপনার ভাবার চেয়ে শক্তিশালী। এটি অপারেশনাল কাজের জন্য তৈরি করা হয়েছে যেখানে গবেষকদের একক একীভূত কাঠামোয় একাধিক পদ্ধতি প্রয়োজন। বর্তমানে আপনি রাশ, আংশিক creditণ এবং রেটিং স্কেল মডেলের জন্য আইআরটি প্যারামিটারগুলি অনুমান করতে পারেন। এটি স্ট্রোকিং-লর্ড, হ্যাবড়া এবং অন্যান্য পদ্ধতির মাধ্যমে আইআরটি স্কেলকে সংযুক্ত করার অনুমতি দেয়। এটি একটি সংহত ডাটাবেস অন্তর্ভুক্ত করার কারণে, আইআরটি অনুমানের আউটপুট স্কেল লিঙ্কিংয়ে ডেটা ফাইলগুলি পুনরায় আকারের প্রয়োজন ছাড়াই ব্যবহার করা যেতে পারে। অধিকন্তু, জেমেট্রিক বা আর এর মতো বহিরাগত প্রোগ্রামগুলির অন্যান্য পদ্ধতির সাথে ব্যবহারের জন্য সমস্ত আউটপুট ডাটাবেসে সংরক্ষণ করা যেতে পারে।

আপনি এটি GUI এর পরিবর্তে স্ক্রিপ্টগুলি দিয়ে চালাতে পারেন। উদাহরণস্বরূপ, ফোলউইং কোডটি (ক) ডাটাবেসে ডেটা আমদানি করবে, (খ) উত্তর কী সহ আইটেম স্কোর করবে, (সি) রাশ মডেল পরামিতিগুলির অনুমান করবে এবং (ডি) সিএসভি ফাইল হিসাবে ডেটা রফতানি করবে। আপনি আরও বিশ্লেষণের জন্য চূড়ান্ত আউটপুট ফাইলটিকে আর-তে ইনপুট হিসাবে ব্যবহার করতে পারেন, বা আপনি সরাসরি জেমেট্রিক ডাটাবেসে সংযোগ করতে এবং ফলাফলের সাথে কাজ করতে পারেন।

#import data into database
import{
     delimiter(comma);
     header(included);
     options(display);
     description();
     file(C:/exam1-raw-data.txt);
     data(db = testdb1, table = EXAM1);
}

#conduct item scoring with the answer key
scoring{
     data(db = mydb, table = exam1);
     keys(4);
     key1(options=(A,B,C,D), scores=(1,0,0,0), variables=  (item1,item9,item12,item15,item19,item21,item22,item28,item29,item30,item34,item38,item42,item52,item55));
     key2(options=(A,B,C,D), scores=(0,1,0,0), variables=(item4,item6,item16,item18,item24,item26,item32,item33,item35,item43,item44,item47,item50,item54));
     key3(options=(A,B,C,D), scores=(0,0,1,0), variables=(item3,item5,item7,item11,item14,item20,item23,item25,item31,item40,item45,item48,item49,item53));
     key4(options=(A,B,C,D), scores=(0,0,0,1), variables=(item2,item8,item10,item13,item17,item27,item36,item37,item39,item41,item46,item51,item56));
}

#Run a Rasch models analysis.
#Item parameters saved as database table named exam1_rasch_output
#Residuals saved as a databse table named exam1_rasch_resid
#Person estimates saved to original data table. Person estimate in variable called "theta"
rasch{
     center(items);
     missing(ignore);
     person(rsave, pfit, psave);
     item(isave);
     adjust(0.3);
     itemout(EXAM1_RASCH_OUTPUT);
     residout(EXAM1_RASCH_RESID);
     variables(item1, item2, item3, item4, item5, item6, item7, item8, item9, item10, item11, item12, item13, item14, item15, item16, item17, item18, item19, item20, item21, item22, item23, item24, item25, item26, item27, item28, item29, item30, item31, item32, item33, item34, item35, item36, item37, item38, item39, item40, item41, item42, item43, item44, item45, item46, item47, item48, item49, item50, item51, item52, item53, item54, item55, item56);
     transform(scale = 1.0, precision = 4, intercept = 0.0);
     gupdate(maxiter = 150, converge = 0.005);
     data(db = testdb1, table = EXAM1);
}

#Export output table for use in another program like R
export{
     delimiter(comma);
     header(included);
     options();
     file(C:/EXAM1_RASCH_OUTPUT.txt);
     data(db = testdb1, table = EXAM1_RASCH_OUTPUT);
}

সফ্টওয়্যারটি এখনও বিকাশের প্রাথমিক পর্যায়ে রয়েছে। আমি বর্তমানে অনুসন্ধানের ফ্যাক্টর বিশ্লেষণ এবং আরও উন্নত আইটেম প্রতিক্রিয়া মডেলগুলি যুক্ত করছি। অন্যান্য অনেক আইআরটি প্রোগ্রামের বিপরীতে, জেমেট্রিক ওপেন সোর্স। পরিমাপের সমস্ত প্রক্রিয়া সাইকোমেট্রিক্স লাইব্রেরি ব্যবহার করে যা বর্তমানে গিটহাব, https://github.com/meyerjp3/psychometrics এ উপলব্ধ । যে কেউ অবদান রাখতে আগ্রহী তাকে স্বাগত জানানো হয়।


0

আপনার কাছে এখানে প্রশ্নগুলির বেশ বিস্তৃত তালিকা রয়েছে তবে অনেক গবেষকের পক্ষে এটি যথেষ্ট প্রাসঙ্গিক!

আমি আপনাকে আইআরটি-তে এগিয়ে যাওয়ার জন্য সুপারিশ করছি তবে কেবল যদি আপনার পরিস্থিতি প্রয়োজনীয়তা পূরণ করে। উদাহরণস্বরূপ, আপনি যে ধরণের পরীক্ষাগুলি ব্যবহার করেন এটির সাথে এটি খুব ভাল ফিট করে এবং সম্ভবত সবচেয়ে গুরুত্বপূর্ণ যে আপনার প্রয়োজনীয় নমুনার আকার রয়েছে। দ্বিধাত্বিক একাধিক-পছন্দের ডেটার জন্য, আমি 3PL মডেলটির প্রস্তাব দিই ("উদ্দেশ্য পরিমাপ" এর রশ যুক্তিটি আকর্ষণীয়ভাবে আপত্তিজনক নয়), এবং 500-1000 সাধারণত ন্যূনতম নমুনার আকার। অনুমান না করে দ্বিধাত্বক তথ্য, যেমন মনস্তাত্ত্বিক জরিপ যেমন বিবৃতিতে ওয়াই / এন প্রতিক্রিয়া রয়েছে, 2 পিপিএল দিয়ে ভালভাবে কাজ করে। আপনার যদি রেটিং স্কেল বা আংশিক ক্রেডিট ডেটা থাকে, তবে সেই পরিস্থিতিতে বিশেষভাবে নকশা করা বহুভুজ মডেল রয়েছে।

আইএমএইচও, আইআরটি প্রয়োগের জন্য সেরা প্রোগ্রাম হ'ল এক্সক্যালিব্রে। এটি তুলনামূলকভাবে ব্যবহারকারী-বান্ধব (সাধারণ জিইউআই পাশাপাশি কিছু কমান্ড-লাইন ব্যাচ-টাইপ যদি কোনও কারণে আপনি চান) এবং উচ্চ পাঠযোগ্য আউটপুট তৈরি করে (বিস্তৃত সারণী এবং পরিসংখ্যান সহ এমএস ওয়ার্ড রিপোর্ট)। আমি বিপরীত কারণে আর ব্যবহার করা বিরুদ্ধে সুপারিশ। অপূর্ণতা, অবশ্যই, এটি নিখরচায় নয়, তবে তারা যা বলেছে তার জন্য আপনি যা প্রদান করেন তা পেতে আপনার প্রবণতা রয়েছে। সম্পূর্ণ বর্ণনা, উদাহরণস্বরূপ আউটপুট, এবং একটি বিনামূল্যে ট্রায়াল এ উপলব্ধ www.assess.com


আপনি কেন "উদ্দেশ্য পরিমাপ" সেন্সু রাশ (বা আরও সঠিকভাবে নির্দিষ্ট উদ্দেশ্য তুলনা করার সম্ভাবনা) নিয়ে যুক্তিটি "আকর্ষণীয়ভাবে আপত্তিহীন" কেন তা ব্যাখ্যা করতে চান?
মোমো

0

মাঝামাঝি সময়ে সেখানে ফ্র্যাঙ্ক বাকের, বাকের ফ্র্যাঙ্ক বি, সোক-হো কিমের একটি নতুন বই প্রকাশিত হয়েছে আর স্প্রিংজার আন্তর্জাতিক প্রকাশনা (2017) ব্যবহার করে আইটেমের প্রতিক্রিয়া তত্ত্বের মূল বিষয়গুলি । এটি আর প্যাকেজগুলির ব্যবহার করে না তবে স্নিপেটগুলি সরবরাহ করে।

আইআরটি-র সংক্ষিপ্ত বিবরণ সহ আর প্যাকেজগুলির একটি (জনাকীর্ণ) তালিকা CRAN এ উপলব্ধ ।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.