.png){kind=icon}
返回
Generalizability Theory for Randomly Parallel Testing
.png){kind=icon}
PRE
AI
DOI：10.1111/jedm.70029.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能（AI）的进步为测试实践带来了显著变化，包括随机并行测试（RPT）的出现，其中考生接收不同但心理测量上相似的由模板或基于AI的系统生成的题目集。本文提出一个概化理论（GT）框架，用于估计条件测量标准误（CSEM）及相关信度指标，特别关注领域参照测试情境中常见的RPT设计结构。所提出的框架支持对包括交叉、嵌套和多变量配置在内的各种操作设计的评分精度进行评估。提供了若干示例以说明该方法在实际设置中的应用。本文还探讨了与RPT相关的关键心理测量和解释性挑战，并概述了未来研究的可行方向。
Keyword:
SCORE STANDARD ERRORS
VARIANCE-COMPONENTS
RELIABILITY
MODELS
RAW
期刊
J
IF:
1.6
论文数:
47
被引数:
2.3K
机构
引用论文
暂无论文信息