计算机自适应英语能力测试模型设计与效度验证

《计算机自适应英语能力测试模型设计与效度验证》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、LIIIMUlIIMlllLIIIIIIlllY2345981计算机自适应英语能力测试模型设计与效度验证答辩委员会主席：⑧论文作者签名：i叠蛰垫委员1：彭型直熬援逝婆太堂△塞堂院彭刻量委员2：送崮熬援浙堑窆}国蚤堂瞳篮囱委员3：委员4：委员5：答辩日期：2012年11月28EtDesignandValidationofaComputerizedAdaptiveEnglishProficiencyTest⑧Author'ssignatu陀!§△垒一‘411‘Supervisor7Ssignature：Chair：(Committeeoforald

2、efence)Committeeman1．Committeeman2：Committeeman3：Committeeman4：Committeeman5：Dateoforaldefence：November28，2012独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得逝姿盘堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者

3、签名：i窝卣乏玉签字日期：为f2年f／月瑚日学位论文版权使用授权书本学位论文作者完全了解逝姿苤堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝’江盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：i通知导师签名：人丁签字日期：701)年f7月鸹日签字日期：曲Iz，年·f月岁·Et学位论文作者毕业后去向：工作单位：通讯地址：电话：邮编摘要1．研究背景随着计算机技

4、术与测量理论的不断发展，建立大型的语言测试题库并基于题库实现计算机自适应语言测试(computerizedadaptivelanguagetesting，简称CALT)是近年来国外语言测试研究的热点问题。计算机自适应测试兴起于八十年代中期，但直到八十年代后期才真正被运用到语言测试领域。相对于传统的纸笔语言测试(paper—and—pencillanguagetesting，简称PPLT)或普通的计算机辅助语言测试(computer—basedlanguagetesting，简称CBLT)，CALT有以下优势：1)测试信度与效率高；2)即时反馈效

5、果良好；3)施考安全性好；4)测试的个性化程度高；等等。CALT的主要理论依据为项目反应理论(itemresponsetheory，简称IRT)。IRT是一组用于阐述考生答题行为与潜在能力之间关系的数学模型，其最大优点是项目数据与样本数据之间具有独立性，即项目参数估计不受其所施测的样本影响，样本能力估计不受其所施测的项目影响。因此，即使考生在测试过程中所得到的考题不一样，仍可以对考生能力进行估计并直接比较，这一优点极大地促进了CALT的设计与应用。依据计分模式，IRT可以分为二元计分IRT模型和多元计分IRT模型。二元计分IRT模型中，考生在题

6、目上的得分只有0分、1分两种可能性，二元计分IRT模型包括单参数模型(one—parameterlogisticmodel，简称1PLM)、双参数模型(two—parameterlogisticmodel，简称2PLM)、三参数模型(three—parameterlogisticmodel，简称3PLM)。多元计分IRT模型中，考生在题目上的得分有0分、1分、2分等多种可能性，常见的多元计分IRT模型有等级反应模型(gradedresponsemodel，简称GRM)、分部评分模型(partialcreditmodel，简称PCM)、广义分部评

7、分模型(generalizedpartialcreditmodel，简称GPCM)。IRT的基本假设为单维性与局部独立性，单维性指同一份考卷中的所有题目测量同一种能力。尽管长期以来，语言测试领域在语言能力的单维性问题上争论不休，但目前较为公认的一种观点是单维性是一个度的问题而非存在与否的问题。局部独立性指考生在各道题目上的答对概率相互独立，即考生的潜在能力是影响作答的唯一因素，当排除这个因素的影响后，考生在不同题目上的作答行为之间不存在任何关系。但是在大规模英语测试中，局部独立性这一假设往往会被违反，因为常见的题型是几道选择题基于同一篇章。在局

8、部独立性假设违反的情况下，采用标准的二元计分IRT模型进行项目分析不仅会导致模型与数据的不拟合，而且会导致对项目区分度的估值过高，从而导致对测试信息量