Explanatory Item Response Models: A Generalized Linear and Nonlinear Approach

این جلد ویرایش‌شده مقدمه‌ای جدید و یکپارچه برای مدل‌های پاسخ به آیتم‌ها (که عمدتاً در کاربردهای اندازه‌گیری در روان‌شناسی، آموزش و سایر حوزه‌های علوم اجتماعی استفاده می‌شود) از دیدگاه نظریه آماری مدل‌های ترکیبی خطی و غیرخطی تعمیم یافته ارائه می‌کند. . چارچوب جدید به دامنه مدل‌های پاسخ آیتم اجازه می‌دهد تا برای تأکید بر کاربردهای توضیحی آن‌ها فراتر از کاربردهای توصیفی استانداردشان، هماهنگ و گسترده شوند.

اصل اساسی توضیحی این است که پاسخ های آیتم را می توان به عنوان تابعی از پیش بینی کننده های انواع مختلف مدل کرد. پیش‌بینی‌کننده‌ها می‌توانند (الف) ویژگی‌های اقلام، افراد، و ترکیبی از افراد و اقلام باشند. (ب) مشاهده شده یا نهفته (از اقلام یا افراد)؛ و آنها می توانند (ج) مستمر پنهان یا مقوله ای نهفته باشند. به این ترتیب طیف گسترده ای از مدل ها، از جمله طیف گسترده ای از مدل های پاسخ اقلام موجود و همچنین برخی از مدل های جدید تولید می شود. در این محدوده، مدل‌هایی با پیش‌بینی‌کننده‌های توضیحی در این کتاب مورد توجه ویژه قرار گرفته‌اند، اما ما در مورد مدل‌های توصیفی نیز بحث می‌کنیم. توجه داشته باشید که اصطلاح \"پاسخ‌های آیتم\" فقط به \"داده‌های تست\" سنتی اشاره نمی‌کند، بلکه به طور کلی به عنوان داده‌های طبقه‌بندی شده از یک طرح مشاهدات مکرر تصور می‌شود. از این رو، داده‌های حاصل از مطالعات با طرح‌های آزمایشی مشاهدات مکرر، یا با طرح‌های طولی نیز ممکن است مدل‌سازی شوند.

کتاب با یک بخش چهار فصلی شروع می‌شود که شامل مقدمه‌ای بر چارچوب است. فصل‌های باقی‌مانده مدل‌هایی را برای داده‌های دسته‌بندی مرتب، مدل‌های چند سطحی، مدل‌های عملکرد آیتم‌های دیفرانسیل، مدل‌های چند بعدی، مدل‌های وابستگی آیتم‌های محلی، و مدل‌های مخلوط را توضیح می‌دهند. همچنین شامل یک فصل در زمینه پیشینه آماری و یک فصل در مورد نرم افزار مفید است. به منظور آسان‌تر کردن کار برای خواننده، یک رویکرد یکپارچه برای نمادگذاری و توصیف مدل در سرتاسر فصل‌ها دنبال می‌شود، و از یک مجموعه داده واحد در بیشتر مثال‌ها استفاده می‌شود تا نحوه ارتباط بین بسیاری از مدل‌ها آسان‌تر شود. برای همه نمونه های اصلی، دستورات کامپیوتری از بسته SAS ارائه شده است که می تواند برای تخمین نتایج برای هر مدل استفاده شود. علاوه بر این، دستورات نمونه برای سایر بسته های کامپیوتری اصلی ارائه شده است.

Paul De Boeck، استاد روانشناسی در K.U. لوون (بلژیک) و مارک ویلسون استاد آموزش در دانشگاه کالیفرنیا برکلی (ایالات متحده آمریکا) است. آنها همچنین سردبیران (همراه با پاملا ماس) یک مجله جدید با عنوان اندازه گیری: تحقیقات و دیدگاه های بین رشته ای هستند. نویسندگان فصل اعضای یک گروه مشترک از روان‌سنج‌ها و آماردانان با محوریت K.U. لوون و یو سی برکلی.

This edited volume gives a new and integrated introduction to item response models (predominantly used in measurement applications in psychology, education, and other social science areas) from the viewpoint of the statistical theory of generalized linear and nonlinear mixed models. The new framework allows the domain of item response models to be co-ordinated and broadened to emphasize their explanatory uses beyond their standard descriptive uses.

The basic explanatory principle is that item responses can be modeled as a function of predictors of various kinds. The predictors can be (a) characteristics of items, of persons, and of combinations of persons and items; (b) observed or latent (of either items or persons); and they can be (c) latent continuous or latent categorical. In this way a broad range of models is generated, including a wide range of extant item response models as well as some new ones. Within this range, models with explanatory predictors are given special attention in this book, but we also discuss descriptive models. Note that the term "item responses" does not just refer to the traditional "test data," but are broadly conceived as categorical data from a repeated observations design. Hence, data from studies with repeated observations experimental designs, or with longitudinal designs, may also be modelled.

The book starts with a four-chapter section containing an introduction to the framework. The remaining chapters describe models for ordered-category data, multilevel models, models for differential item functioning, multidimensional models, models for local item dependency, and mixture models. It also includes a chapter on the statistical background and one on useful software. In order to make the task easier for the reader, a unified approach to notation and model description is followed throughout the chapters, and a single data set is used in most examples to make it easier to see how the many models are related. For all major examples, computer commands from the SAS package are provided that can be used to estimate the results for each model. In addition, sample commands are provided for other major computer packages.

Paul De Boeck is Professor of Psychology at K.U. Leuven (Belgium), and Mark Wilson is Professor of Education at UC Berkeley (USA). They are also co-editors (along with Pamela Moss) of a new journal entitled Measurement: Interdisciplinary Research and Perspectives. The chapter authors are members of a collaborative group of psychometricians and statisticians centered on K.U. Leuven and UC Berkeley.