Applying Test Equating Methods using R

این کتاب نحوه استفاده از روش های معادل سازی آزمون را در عمل شرح می دهد. نرم‌افزار غیرتجاری R در سراسر کتاب برای نشان دادن نحوه انجام روش‌های معادل‌سازی مختلف هنگام جمع‌آوری داده‌های امتیازی تحت طرح‌های مختلف جمع‌آوری داده‌ها، مانند طراحی گروه‌های معادل، طراحی گروه تک، طراحی متوازن و گروه‌های غیر معادل با طراحی آزمون لنگر استفاده می‌شود. . بسته‌های R equate، kequate و SNSequate، در میان دیگران، برای نشان دادن عملی روش‌های مختلف استفاده می‌شوند، در حالی که مجموعه داده‌های شبیه‌سازی‌شده و واقعی نشان می‌دهند که چگونه روش‌ها با برنامه R انجام می‌شوند. این کتاب روش‌های معادل‌سازی سنتی شامل معادل‌سازی میانگین و خطی را پوشش می‌دهد. ، معادل سازی تخمین فرکانس و معادل سازی زنجیره ای و همچنین روش های معادل سازی مدرن مانند معادل سازی هسته، معادل سازی محلی و ترکیبی از اینها. همچنین فصل هایی را در مورد معادل سازی نظریه پاسخ اقلام امتیاز مشاهده شده و واقعی ارائه می دهد و تحولات اخیر در زمینه معادل سازی را مورد بحث قرار می دهد. به طور خاص، موضوع گنجاندن متغیرهای کمکی در فرآیند معادل‌سازی، استفاده از هسته‌های مختلف و روش‌های انتخاب پهنای باند در معادل‌سازی هسته، و تخمین ناپارامتریک بیزی توابع معادل‌سازی را پوشش می‌دهد. همچنین نشان می‌دهد که چگونه می‌توان معادل‌سازی را در عمل با استفاده از شبیه‌سازی و معیارهای مختلف معادل‌سازی، مانند خطای استاندارد معادل‌سازی، درصد خطای نسبی، تفاوت‌های مهم و موارد دیگر ارزیابی کرد.

This book describes how to use test equating methods in practice. The non-commercial software R is used throughout the book to illustrate how to perform different equating methods when scores data are collected under different data collection designs, such as equivalent groups design, single group design, counterbalanced design and non equivalent groups with anchor test design. The R packages equate, kequate and SNSequate, among others, are used to practically illustrate the different methods, while simulated and real data sets illustrate how the methods are conducted with the program R. The book covers traditional equating methods including, mean and linear equating, frequency estimation equating and chain equating, as well as modern equating methods such as kernel equating, local equating and combinations of these. It also offers chapters on observed and true score item response theory equating and discusses recent developments within the equating field. More specifically it covers the issue of including covariates within the equating process, the use of different kernels and ways of selecting bandwidths in kernel equating, and the Bayesian nonparametric estimation of equating functions. It also illustrates how to evaluate equating in practice using simulation and different equating specific measures such as the standard error of equating, percent relative error, different that matters and others.