Байесовский анализ заданий
Байесовский анализ заданий применяет байесовский вывод для оценки статистик на уровне заданий — трудности, дискриминативности и эффективности дистракторов — путём объединения наблюдаемых данных ответов с априорными знаниями. Он позволяет получить полные апостериорные распределения параметров заданий, а не только точечные оценки, предоставляя более полную информацию о неопределённости, особенно при малых выборках.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Item Analysis. ScholarGate. https://scholargate.app/ru/psychometrics/bayesian-item-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесовский конфирматорный факторный анализ (BCFA)Психометрия↔ compare
- Дифференциальное функционирование элементов (DIF)Психометрия↔ compare
- Теория отклика на задания (IRT)Психометрия↔ compare
- Разработка шкалыПсихометрия↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →