Partial Identification of Mean Achievement in ILSA Studies with Multi-Stage Stratified Sample Design and Student Non-Participation
多阶段分层抽样与学生未参与下国际大型测评平均成绩的部分识别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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确利用概率分布的部分识别工具研究学生成绩总体及其均值，因此归入分布方向，但并未研究处理导致的分布效应。
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…
多阶段分层抽样与学生未参与下国际大型测评平均成绩的部分识别
- 研究问题
- 国际大型学生测评采用多阶段分层抽样且部分学生不参与时，如何评估总体平均成绩，并反映非参与造成的识别不确定性？
- 方法与思路
- 作者将概率分布的部分识别框架适配到多阶段分层随机抽样设计，在不同非参与人口假设下评估平均成绩，并展示结果报告方式。
- 材料陈述的贡献
- 摘要称提供了区别于传统非参与处理策略的识别、估计和报告框架，并以2018年国际计算机与信息素养研究展示其使用。
- 阅读关注点
- 应核对非参与者假设如何转化为成绩界限、抽样设计与权重如何进入估计，以及识别区间和抽样不确定性如何分别报告。
- 阅读边界
- 这是arXiv预印本，不能据此确认同行评审或期刊接收；摘要未列出非参与假设和具体界限，不能判断界限宽度或假设可信程度。
原文摘要
International large-scale assessment (ILSA) studies collect information across education systems with the objective of learning about the population-wide distribution of student achievement in the assessment. In this article, we study one of the most fundamental threats that these studies face when justifying the conclusions reached about these distributions: the identification problem that arises from student non-participation during data collection. Recognizing that ILSA studies have traditionally employed a narrow range of strategies to address non-participation, we examine this problem using tools developed within the framework of partial identification of probability distributions. We tailor this framework to the problem of non-participation when data are collected using a multi-stage stratified random sample design, as in most ILSA studies. We demonstrate this approach with application to the International Computer and Information Literacy Study in 2018. We show how to use the framework to assess mean achievement under reasonable and credible sets of assumptions about the non-participating population. We also provide examples of how these results may be reported by agencies that administer ILSA studies. By doing so, we bring to the field of ILSA an alternative strategy for identification, estimation, and reporting of population parameters of interest.