1 / 31

以多向度試題反應理論結合粒子群最佳化演算法於電腦適性化測驗之研究

以多向度試題反應理論結合粒子群最佳化演算法於電腦適性化測驗之研究. 報 告 人 ：陳冠宇 指導教授：鄭淑真. 大綱. 研究計畫背景及目的 相關文獻探討 研究方法 預期完成之工作項目. 1.1 計畫背景 (1/4). 網路與科技的進步 數位學習平台興起 任何時間與地點都能進行學習. 1.1 計畫背景 (2/4). 基本教學模式. 1.1 計畫背景 (3/4). 測驗： 鑑別受測者的能力水平。 驗證自己所學是否有所偏差或遺漏。 教學者修正教學的方向。 學習者進行學習上的修正。. 1.1 計畫背景 (4/4). 電腦線上測驗系統：

veda-delgado
Download Presentation

以多向度試題反應理論結合粒子群最佳化演算法於電腦適性化測驗之研究

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 以多向度試題反應理論結合粒子群最佳化演算法於電腦適性化測驗之研究以多向度試題反應理論結合粒子群最佳化演算法於電腦適性化測驗之研究 報 告 人 ：陳冠宇 指導教授：鄭淑真

  2. 大綱 • 研究計畫背景及目的 • 相關文獻探討 • 研究方法 • 預期完成之工作項目

  3. 1.1 計畫背景 (1/4) • 網路與科技的進步 • 數位學習平台興起 • 任何時間與地點都能進行學習

  4. 1.1 計畫背景 (2/4) 基本教學模式

  5. 1.1 計畫背景 (3/4) 測驗： • 鑑別受測者的能力水平。 • 驗證自己所學是否有所偏差或遺漏。 • 教學者修正教學的方向。 • 學習者進行學習上的修正。

  6. 1.1 計畫背景 (4/4) 電腦線上測驗系統： • 傳統電腦測驗 • 古典測驗理論 • 電腦適性化測驗 • 試題反應理論

  7. 1.2 計畫目的 MIRT參數估計 + PSO選題 => 新的CAT系統

  8. 2.1互動教學系統 (1/2) 互動式教學： • 促進學習者獲得知識。 • 幫助認知技能的發展。 • 引導學習者進行個體探索。 • 引發教學者實施有效教學 。

  9. 2.1互動教學系統 (2/2) • 使用者對系統做決定 • 選擇性、非線性存取資訊、監控資訊使用狀態、促進人際溝通、添加資訊的容易性 • 系統提供服務回應使用者的行動 • 對使用者有回應、個人選擇幫手、適應性、趣味性

  10. 2.2 數位學習 E-Learning 2.0 • 快速(Rapid) • 手持裝置(Mobile) • 協作(Collaborative) • 融入的(Immersive) • 非正規(Non-Formal)

  11. 2.3 電腦適性化測驗

  12. 2.4 知識結構 (1/2) • 知識結構： • 是指以各種知識按照一定的組合方式和比例關係，建構出具有開放、動態、通用、和多層次特性的知識架構。

  13. 2.4 知識結構 (2/2) 以知識結構為基礎之適性化系統的特點： • 可節省大量的測驗試題與測驗時間。 • 可以診斷出學生有所不足的知識類型。 • 系統網路化，學生可隨時進行鑑測。 • 以適性化的概念進行測驗、診斷與補救教學。

  14. 2.5 試題反應理論 (1/2) • 用以處理受試者回答測驗試題所反應的訊息，並以這些訊息估計受試者的能力、性向或其它心理向度連區間的位置所在，這種描述受試者的能力在量尺空間上位置與受試者對個別試題反應的心理計量理論，稱為試題反應理論(IRT)。 • 試題反應理論是以數學方程式模式描述反應的機率與受試者在連續量尺區間上的位置關係。

  15. 2.5 試題反應理論 (2/2) • 試題反應模式假設當受試者的能力位置為已知時，該理論的數學模式可以精確的描述作答反應機率與能力位置之間的關係，而且再無其他訊息有助於描述該受試者作答反應的精確度。

  16. 2.5.1 單參數對數模式 • Rasch(1980) 為受測者n作答第i題的得分情形，即反應型態。 為受測者n的能力值。 為第i題的難度參數。

  17. 2.5.2 雙參數對數模式 • Birnbaum(1968) 為受測者n作答第i題的得分情形。 為受測者n的能力值。 為第i題的鑑別度。 為第i題的難度參數。

  18. 2.5.3 三參數對數模式 • Birnbaum(1968) 為受測者n作答第i題的得分情形。 為受測者n的能力值。 為第i題的鑑別度。 為第i題的難度參數。 為第i題的猜測參數。

  19. 2.5.4 能力參數估計方法 • 最大概似估計法(ML) • 貝氏最大後驗法(MAP) • 貝氏期望後驗法(EAP)

  20. 2.5.5 試題參數估計方法 • 聯合最大概似估計法(JML) • 邊際最大概似估計法(MML) • 條件最大概似估計法(CML)

  21. 2.5.6 多向度試題反應理論 • 因素分析取向的模式： • 亦即研究者將因素分析運用於二元計分的測驗情境中。 • IRT取向： • 亦即將單向度IRT模式中的參數，由單向度的純量擴展為多向度的向量 。

  22. 2.6 粒子群最佳化演算法(1/4) • Kennedy & Eberhart(1995) • 以魚群、鳥群覓食行為的特性發展出來的最佳化方法，也就是假設有一群飛鳥在一個區域中尋找食物，而這個區域內只有一個地方有食物，所有的鳥都不知道食物的位置，但是他們知道食物離他們有多遠，那麼最簡單有效的找到食物的策略就是搜尋離食物最近的飛鳥的鄰近區域。

  23. 2.6 粒子群最佳化演算法(2/4) • 適應函數 • 計算出的適應值用來判斷粒子所在落點的好壞。 • 速度函數 • 決定粒子的速度，並決定粒子新的位置落點。

  24. 2.6 粒子群最佳化演算法(3/4) • 速度函數： ：第i個粒子在第d維度的速度。 W：慣性權重。 、 ：加速函數，一般為2。 rand()：介於0至1之間的亂數值。 ：個體最佳解，粒子個體最佳解在d維度的位置。 ：全體最佳解，所有粒子中目前的最佳解在d維度中的位置。 ：每一個粒子目前的位置。

  25. 2.6 粒子群最佳化演算法(4/4) PSO演算法流程圖

  26. 3.研究方法(1/4) D：為受測者目前的區塊知識能力值， ：為目前所選到的試題難易度， ：為該試題的區塊試題數量， ：試題與區塊知識ｊ的關係， 有關聯其值為1，無關連其值為0。 ：為區塊知識j的權重值， ：目前試題曾經被出題過的次數。 ：為目前的所有試題中， 被測驗過最多次的次數。

  27. 3.研究方法(2/4) 適應函數： Minimize 速度函數： 下一個試題落點：

  28. 3.研究方法(3/4) • 適性化測驗流程圖

  29. 3.研究方法(4/4) • 適性化動態測驗系統架構

  30. 4.預期完成之工作項目 • 多向度試題反應理論應用之研究 • 適性化測驗之研究 • 試題收集與分析 • 試題資料庫之建立 • 多向度試題參數評估系統規劃 • 多向度試題參數評估系統介面設計 • 多向度試題參數評估系統開發 • 電腦適性化題庫系統規劃 • 電腦適性化測驗系統介面設計 • 電腦適性化測驗系統開發 • 系統成效之評估 • 使用者歷程分析之研究

  31. 結 束~ 謝謝大家！

More Related