이요인 일반화부분점수 모형을 위한 공통-문항 기반 다차원 IRT 척도연계 방법

Abstract

이요인 일반화부분점수(BGPC) 모형은 다차원 문항반응이론(IRT) 모형의 하나로 여러 부분점수로 채점되는 검사 문항의 특성을 일반 요인과 집단-특수 요인으로 분석하고자 할 때 사용할 수 있다. 본 연구의 목적은 BGPC 모형을 위한 공통-문항 기반 척도연계 방법으로 최소제곱(LSQ), 평균-최소제곱(MLS), 문항유목반응함수(IRF) 및 검사반응함수(TRF) 방법 등을 제시하고 모의실험을 통해 이 방법들의 특성과 상대적 기능을 탐구하는 데 있다. 각 척도연계 방법은 공통 문항의 BGPC 모형 모수의 개별 추정(separate calibration)에서 사용된 두 다차원 IRT 능력척도를 연계하기 위해 팽창 계수와 이동 계수를 추정한다. 네 척도연계 방법들의 기능을 평가하기 위해, 선행 연구와 유사하게, 피험자 집단 간 능력의 비동등성 수준, 표본의 크기, 공통 문항의 수 등을 요인으로 포함하는 모의실험을 수행하였다. 주요 결과로, 네 가지 척도연계 방법은 고려된 모의실험 조건 모두에서 팽창 계수를 적절히 추정하였다. 그러나 이동 계수의 추정에 있어서, IRF, LSQ 및 MLS 방법은 적절히 기능한 반면 TRF 방법은 비교적 저조한 수행 결과를 보였다. 척도연계를 통한 능력모수와 문항모수의 복원에 있어서, 전반적으로 IRF 방법이 가장 우수하였고, LSQ 혹은 MLS 방법이 그 다음으로 우수하였으며, 일부 조건을 제외하고 TRF 방법이 가장 열등하였다. The bi-factor generalized partial credit (BGPC) model, which is among the polytomous multidimensional item response theory (IRT) models, can be used to analyze the partially scored item response data of bi-factor latent structures. The purpose of this study is to present four scale-linking methods for the BGPC model under the common-item equating/linking design and investigate their characteristics and performances through computer simulations. The four linking methods presented are the least squares (LSQ), mean-least squares (MLS), item-category response function (IRF), and test response function (TRF) methods. The four linking methods estimate the dilation and translation coefficients in linear transformations, with the assumption of independence among all general and group-specific factors. Computer simulations that included three factors of (a) nonequivalence level between two examinee groups, (b) sample size, and (c) number of the common items to be used for linking were conducted to examinee the performances of the four methods. Overall, the four methods properly estimated the dilation coefficients. In estimation of the translation coefficients, however, the IRF, LSQ, and MLS methods functioned properly but the TRF method did not. In the recovery of both ability and item parameters, the IRF method performed best in mose cases, the LSQ or MLS method second best, and the TRF method worst, with few exceptional cases.