A Logistic Regression for Differential Item Functioning Primer
Notice bibliographique
Résumé
The purpose of this article is to describe a statistical methodology, logistic regression (hereafter referred to as LogR), for differential item fimctioning (hereafter referred to as DIF) for language testing.We wi11 illustrate Logh DM with an English test used fbr a placement purpose with newly entered students in a private university in Japan, With an eye toward our purpose we wi11 first provide a basic overview; including the definition, purpose.and metheds ofDIF.Second, to contextualize LogR DIF methods for language testers, we review some studies using DIF analysis in the field of 1anguage testing, VVe close with a step-by-step guide and demonstration of using LogR DIF statistical methods using a sample data ofthe aforememioned English test.At this point, two are notewonhy, First, we focus on LogR as a statistical method for DIF analyses because as n(rted by Svvaminathan (1994) Lbgh can be considered the most genera1 form of the contingency table and generalized linear modeling approaches to DIF detection (Camilli & Shepard, 1994; Zumbo & Htibley, 2003).Seconq it is these contingency tahle and generalized linear modeling approaches (and particularly the Mantel-Haenszel test) that are among the most widely used Dre statistical methods therefore LogR methods are a good foundation for bui1dmg ones knowledge of DIF methods.Therefore, given the lack of a literature on DIF among language testers in Japan, our goal is to illustrate how the statistical methodology of LogR DIF analyses can be a usefu1 tool in test developrnent and in establishing the validity of the inferences we make from our tcst scores.Readers interested in a more general overview of Dlf methods should see Camilli and Shepard (1994).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,063 | 0,182 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».