The Modification of Dichotomous and Polytomous Item Response Theory to Structural Equation Modeling Analysis
Notice bibliographique
Résumé
The objective of the present research was to make modifications to Structural Equation modeling analysis by Dichotomous and Polytomous Item Response Theory (SEDPIRT) which consisted of 4 stages of 1) The development of structural equation modeling analysis, 2) Data simulation for analysis, 3) Verification and comparison of analysis results through the SEDPIRT with Path Analysis by LISREL (PAL) using data simulation and 4) trying-out SEDPIRT analysis with empirical data. The study resulted in a structural equation modeling analysis SEDPIRT in which a person’s true ability and attributes obtained from Item Response Theory (IRT) analysis is used for observable variables. It is assumed that such observable variables are latent with no measurement deviation for use as the data for assessing path coefficients and structural equation modeling analysis. The SEDPIRT measurement is valid and would not deviate because of changes in the tests or test takers. A verification of an analysis of simulation data showed that standard error in the estimation of every paths coefficient (Pij) and the iteration of Pij by SEDPIRT analysis is significantly less than the PAL at the .01 level of significance and the root mean squared residuals of SEDPIRT and PAL are not significantly different, although the SEDPIRT analysis yields a model with greater validity than the PAL at the .01 level of significance. The SEDPIRT analysis model shows a model validation of 97.50 % while the PAL one shows 77.50%, and all path coefficients of the SEDPIRT and PAL are positively correlated at the .01 level of significance. It was found from applying the two techniques to empirical data that standard error in the estimation of all the path coefficients, the root mean square residual of the deviation, the number of iteration and the adjustment count in an attempt to make the two models consistent with empirical data in the SEDPIRT are less than the PAL; the Goodness-of Fit Index (GFI) and the Adjusted Goodness-of Fit Index(AGFI) in the SEDPIRT are more than the PAL; and path coefficients of the SEDPIRT and PAL show a positive correlation at the .01 level of significance with a Pearson-product moment correlation coefficient of .869. Key words: Structural equation modeling analysis by Dichotomous and Polytomous Item Response Theory (SEDPIRT); Path analysis by LISREL (PAL); Grade- Response Model (GRM); Three parameter logistic model
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 | 0,054 | 0,124 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».