عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
شماره کتابشناسی ملی
شماره
TL48642
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
انگلیسی
عنوان و نام پديدآور
عنوان اصلي
Bayesian estimation of multi-unidimensional graded response IRT models
نام عام مواد
[Thesis]
نام نخستين پديدآور
Tzu-Chun Kuo
نام ساير پديدآوران
Sheng, Yanyan
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Southern Illinois University at Carbondale
تاریخ نشرو بخش و غیره
2015
مشخصات ظاهری
نام خاص و کميت اثر
100
يادداشت کلی
متن يادداشت
Committee members: Asner-Self, Kimberly; Headrick, Todd C.; Koran, Jennifer; Olive, David
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
Place of publication: United States, Ann Arbor; ISBN=978-1-339-47741-1
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
Ph.D.
نظم درجات
Quantitative Methods
کسي که مدرک را اعطا کرده
Southern Illinois University at Carbondale
امتياز متن
2015
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Item response theory (IRT) has gained an increasing popularity in large-scale educational and psychological testing situations because of its theoretical advantages over classical test theory. Unidimensional graded response models (GRMs) are useful when polytomous response items are designed to measure a unified latent trait. They are limited in practical instances where the test structure is not readily available or items are not necessarily measuring the same underlying trait. To overcome the problem, this dissertation proposes a multi-unidimensional normal ogive GRM under the fully Bayesian framework via the use of Markov chain Monte Carlo (MCMC). The performance of the proposed model was evaluated using the Monte Carlo simulations. It was further compared with conventional GRMs under simulated and real test situations. Results from simulation studies as well as a real data example suggest that (1) the proposed MCMC method for the proposed model provides fairly accurate and efficient parameter estimates, including correlations between latent dimensions, (2) compared with the conventional IRT models, the proposed model consistently performs well, if not better as far as the model-data fit is concerned. Therefore, the proposed multi-unidimensional model offers generosity, flexibility, and a better way to represent test situations when the latent dimensionality is not a priori clear or more than one latent trait is involved. In addition, the proposed model is not limited to tests in educational and psychological measurement. Instead, it can be applied to other disciplines, such as business and medicine, where Likert-type items are adopted in an instrument.
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
Educational tests & measurements
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Education;Item response theory;Psychological testing
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
McGrane, Stephen J.
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
Sheng, Yanyan
شناسه افزوده (تنالگان)
تقسيم فرعي
Quantitative Methods
مستند نام تنالگان تاييد نشده
Southern Illinois University at Carbondale
شماره دستیابی
شماره بازیابی
1766575449; 10012795
دسترسی و محل الکترونیکی
نام الکترونيکي
مطالعه متن کتاب وضعیت انتشار
فرمت انتشار
p
اطلاعات رکورد کتابشناسی
نوع ماده
[Thesis]
کد کاربرگه
276903
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
