Bayesian Identification of Outliers in Computerized Adaptive Tests
计算机化自适应测试中异常作答者的贝叶斯识别AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究考试作答异常和纵向离散响应，未明确涉及经济离散选择或经济面板模型，故暂不归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
计算机化自适应测试中异常作答者的贝叶斯识别
- 研究问题
- 在计算机化自适应测试中，如何识别具有异常多元作答模式的考生，并区分不同异常方向的解释及其极端程度。
- 方法与思路
- 作者刻画多元响应中具有不同含义的异常方向，采用类似控制图的思路构造异常统计量，并比较判断异常程度的若干程序。
- 材料陈述的贡献
- 摘要称，文章提出识别不同异常类型的一类统计量，方法可适用于一般纵向离散数据，并以全国性自适应考试数据展示。
- 阅读关注点
- 应核对贝叶斯部分的模型与先验、异常方向的具体定义，以及自适应出题机制如何影响统计量校准与误报控制。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；贝叶斯实现、阈值及识别准确率未说明，不能推断其他版本变化。
原文摘要
We consider the problem of identifying examinees with aberrant response patterns in a computerized adaptive test (CAT). The vector Y of responses of an examinee from a CAT is a multivariate response vector. Multivariate observations may be outlying in many different directions, and we characterize specific directions as corresponding to outliers with different interpretations. We develop a class of outlier statistics to identify different types of outliers based on a control chart–type methodology. The outlier methodology is adaptable to general longitudinal discretes data structures. We consider several procedures to judge how extreme a particular outlier is. Data from a nationally administered CAT examination motivates our development and is used to illustrate the results.