Bayesian Item Analysis
Bayesian item analysis applies Bayesian inference to estimate item-level statistics — difficulty, discrimination, and distractor effectiveness — by combining observed response data with prior knowledge. It produces full posterior distributions over item parameters rather than single point estimates, providing richer uncertainty information especially with small samples.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- Fox, J.-P. (2010). Bayesian Item Response Modeling: Theory and Applications. Springer. · DOI 10.1007/978-1-4419-0742-4
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. · ISBN 978-1439840955
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.