BILOG-MG를 사용한 IRT 모형 모수의 추정에서 기저 능력분포의 경험적 추정이 문항모수 추정에 미치는 영향

• 영문명: Effects on the Item Parameter Estimation of Empirical Estimation of the Underlying Ability Distribution in IRT Model Parameter Estimation Using the BILOG-MG Program
• 발행기관: 한국교육평가학회
• 저자명: 김성훈(Seonghoon Kim)
• 간행물 정보: 『교육평가연구』제25권 제2호, 317~336쪽, 전체 20쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2012.06.30

국문 초록

문항반응이론(IRT) 모형의 문항모수 추정에서 주변최대우도(MML) 방법과 베이지언 최빈치(BM) 방법은 기저 능력변수에 대한 사전분포(즉, 사전능력분포)의 명시를 요구한다. 본 연구의 목적은 BILOG-MG 프로그램을 사용하여 2모수 로지스틱(2PL) 모형과 3모수 로지스틱(3PL) 모형의 문항모수를 추정할 때 “사전능력분포로서 BILOG-MG의 디폴트 분포인 N(0, 1) 분포를 명시하는 방식”보다 “문항모수와 기저 능력분포를 동시에 추정하는 방식(즉, 추정된 기저 능력분포를 사전능력분포로 명시하는 방식)”이 실질적으로 더 우수한지를 모의실험을 통해 확인하는 것이었다. 선행 연구 결과와의 비교 가능성과 일반화 가능성을 높이기 위해서, 모의실험의 요인으로 기저 능력분포의 유형(표준정규, 2개의 정적편포, 2개의 부적편포), IRT 모형(2PL vs. 3PL), 검사의 길이(J=21 vs. J=42), 표본의 크기(N=500 vs. N=3,000) 등을 포함하였다. 모의실험의 결과, 추정된 기저 능력분포를 사전능력분포로 명시하는 방식이 “N(0, 1)”로 명시하는 방식보다 고려된 모든 검사조건에서 우수하거나 대등한 수행을 보였다. 즉, 문항모수의 MML/BM 추정 시 기저 능력분포의 동시추정은 문항모수 추정의 정확성과 안정성을 실질적으로 향상시켰다.

영문 초록

The specification of a prior for the latent ability variable is required when one estimates the item parameters on item response theory (IRT) models by using the marginal maximum likelihood (MML) or its extended version Bayesian modal (BM) methods. The purpose of this study was to compare the performance of two approaches to specifying the ability prior distribution when using the computer program BILOG-MG to estimate the item parameters on the two- and three-parameter logistic (2PL & 3PL) models: (1) the specification of the prior as a standard normal N(0, 1) distribution, and (2) the use of estimated underlying distribution (i.e., so-called posterior ability distribution) as the prior. For this purpose, computer simulations were used. The simulation factors considered include (1) type of underlying ability distributions (standard normal, positively skewed, and negatively skewed), (2) IRT model (2PL vs. 3PL), (3) test length (J=21 vs. 42), and (4) sample size (N=500 vs. 2,000). As a main result, the method of concurrently estimating the underlying distribution along with item parameters outperformed or peformed equally to the method of specifying the prior distribution as a N(0, 1) in accurate estimation of item parameters. That is, the empirical estimation of the underlying ability distribution in IRT model parameter estimation substantially improved the accuracy and stability of MML/BM item parameter estimates.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구방법

Ⅳ. 연구결과

Ⅴ. 논의 및 결론

참고문헌

저자소개

〈ABSTRACT〉

키워드

주변최대우도 추정 베이지언 최빈치 추정 사전능력분포 기저 능력분포의 추정 marginal maximum likelihood estimation Bayesian modal estimation prior ability distribution estimation of underlying ability distribution