Bayesian Identification of Outliers in Computerized Adaptive Tests
计算机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：摘要研究教育测量中的异常检测，纵向离散响应本身不足以归入面板数据或离散选择等所列方向。
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…
计算机自适应测试中异常作答者的贝叶斯识别
- 研究问题
- 计算机自适应测试中的多元作答向量可能沿不同方向表现异常，如何识别这些异常，并区分其解释及异常程度？
- 方法与思路
- 作者按多元响应的不同异常方向构造一类统计量，采用类似控制图的判别方法，并考虑多种评估异常程度的程序。
- 材料陈述的贡献
- 摘要称方法可识别具有不同解释的异常类型，并适用于一般纵向离散数据；全国性自适应考试数据用于说明方法。
- 阅读关注点
- 应核对不同异常方向的定义、控制图阈值的校准，以及题名中的贝叶斯机制如何处理自适应出题造成的数据结构。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明先验、后验计算、误报控制或识别准确率，不能据题名补全贝叶斯细节。
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.