發展新穎的多向度題目反應模型對於題組視覺類比量尺之分析分法

114年11月11日

【本篇報導由教育心理與輔導學系  劉振維副教授研究團隊提供】 　　題組化的視覺類比量尺（testlet-based visual analogue scale）是一種有雙重界定量尺的評分方法（例如，從0%到100%或從0到1），可由多個形容詞、名詞或句子組成，旨在測量個人的態度、看法或職業興趣。與李克特氏量尺相比，題組化的視覺類比量尺在減少反應風格效應等方面具有許多優勢，但針對這類資料的統計模型發展仍然相對落後。本研究提出了一種創新的貝塔對耦（beta copula）模型，並通過貝氏參數估計、模型比較和適合度分析進行評估。劉教授對職業興趣實證資料進行心理計量分析。另外進行了模擬研究以評估此模型的參數估計性。結果顯示，貝塔對耦模型在實證資料分析中具有更佳的適合度，並且在模擬研究中也展現出良好的參數估計能力，這顯示此新穎的模型是非常可靠的心理計量方法，適用於分析題組化的視覺類比量尺。   　　本研究著重於題組化的視覺類比量尺（testlet-based visual analogue scale），例如圖1是興趣測驗的題組問題： 圖1：興趣測驗的題組問題   　　受測者必須根據對於下列六種活動或描述，拉至0%至100%的量尺上，放在合適的位置來表達受測者對於題目的感受或意見。此種實驗設計方式可讓受測者必須去辨識此六種活動的差異，並且給予區分，因此受測者更可能表達出更準確的意見表達，讓測驗的信度、效度更高。然而，適合此種資料的統計方析方法仍然缺乏，因此本研究提出創新的貝塔對耦（beta copula）模型來進行方析。不論是在模擬研究中針對模型的參數回復性效果，以及在實徵的興趣分析資料，皆有相當良好的結果。由於模型包含大量的統計術語和技術，因此圖2這裡僅呈現關於貝塔對耦（beta copula）模型的機率函數：   圖2：對於兩題之間有不同相關係數(Cor.)與機率函數的關係。   　　此研究結果顯示，題目在題組內的交互作用效果，可以被此新模型測量，以確保參數估計的正確性。   原文出處：Liu, C.-W. (2024). Multidimensional item response theory models for testlet-based doubly bounded data. Behavior Research Methods, 56(6), 5309-5353.　https://doi.org/10.3758/s13428-023-02272-5