教育测量数据处理

《教育测量数据处理》由会员分享，可在线阅读，更多相关《教育测量数据处理（80页珍藏版）》请在金锄头文库上搜索。

1、,第六章 教育测量数据处理,教学目标,理解基本概念 掌握测量数据的统计描述方法 掌握测量数据的统计检验方法 掌握测试数据的结构分析方法 掌握测量的质量分析方法 了解项目反映理论,第六章 教育测量数据处理,参考书目,“教育测量”相关 SPSS在教育统计中的应用 （杨晓明 高等教育出版社） 教育技术学研究方法基础 （谢幼如，李克东 高等教育出版社） 教育技术学研究方法 （李克东 北京师大出版社）,第六章 教育测量数据处理,第一节 基本概念-教育测量,教育测量 物理测量:对物质现象的测量 心理测量:对精神现象的测量 教育测量是依据一定的法则 （标准），用数值来描述与教育 活动直接相关的事物的属性。

2、教育测量是教育评价的基础。,第六章 教育测量数据处理,第一节 基本概念-教育测量,教育测量数据类别 1.名义尺度 2.序数尺度 3.距离尺度 4.比例尺度,第六章 教育测量数据处理,P17-18,第一节 基本概念-教育测量,教育测量的误差 1.误差:随机误差、系统误差 2.设，观察分数X,真分数T， 则 误差 E=X-T 相对误差= E/T 最大相对误差= E/X 3.误差来源 测量本身 实施过程 被试,第六章 教育测量数据处理,第一节 基本概念-教育测试,教育测试 测试是教育测量的主要工具. 指对学习者的学习信息进行有组织、有系统地收集，并通过对这些信息的处理作出确切判断和适当决定的科学手段

3、和工具。 测试的目的是实现个人、集团 的技能、知识、能力、适应性的测定。,第六章 教育测量数据处理,第一节 基本概念-教育测试,测试分类 1.器具测试与纸笔测试: 2.客观测试与非客观测试: 3.综合测试与分析测试: 4.标准测试与非标准测试: 5.集团基准测试与达到基准测试:,第六章 教育测量数据处理,第一节 基本概念-教育测试,测试理论 1.经典的测试理论:基于统计 2.项目反应理论:基于参数,第六章 教育测量数据处理,第一节 基本概念-经典测试理论(CTT),经典测试理论基本假设 1.心理特质是可测的 2.CTT的误差模型 测试得分X与真分T之间是线性关系 即 X=T+E (1)若平行测

4、试的次数足够多，则误差平均值趋于“0”，即(X)=T 或 (E)=0 (2) 测试得分与误差相关,真分与误差相互独立 (3)各平行测试上的误差相互独立,第六章 教育测量数据处理,第一节 基本概念-统计描述方法,数据检查 数据分类 数据排序 特征参数计算 数据统计表 数据图示法,第六章 教育测量数据处理,第二节 测量数据的统计描述,特征参数集中量: 平均数X： 中数：一组大小排列的数据中位置居中的数。 奇数个数： 偶数个数：最中间两数的平均 众数：一组数据中出现次数最多的数,第六章 教育测量数据处理,第二节 测量数据的统计描述,特征参数差异量: 全距：最大值-最小值 方差(分散)Sx2： -P1

5、12 标准差(标准偏差)Sx： -P113 差异系数： 标准差Sx 平均数X CV20%,分化严重,第六章 教育测量数据处理,第二节 测量数据的统计描述,特征参数频数分布 次数分布表 次数分布曲线: 峰的数量： 峰的高低：高峰态，低峰态 峰的对称性：正态分布、偏态分布,第六章 教育测量数据处理,第二节 测量数据的统计描述,X-S平面特征数据分析模型,第六章 教育测量数据处理,第二节 测量数据的统计描述,测试数据转换 原始分数与导出分数: 百分排位:=（累积频度/被试人数）*100 Z分数: Z=(X-X)/S T分数: T=10Z+50 GEEB分数: =100Z+50 TOEFL分数:=70

6、Z+500 离差智商: =15Z+100 多级评定值:,第六章 教育测量数据处理,第二节 测量数据的统计描述,相关量: 两组数据间的关系 协方差(共分散)Sxy -P113 相关系数 rxy -P114,第六章 教育测量数据处理,相关强度：强(0.8)、中等(0.40.79)、弱(0.2 0.39)、极弱(0 正相关 0 负相关 确定系数：=r2*100%,第三节 测量数据的统计检验,是先对总体的分布规律作出某种假说，然后根据样本提供的数据，通过统计运算，根据运算结果，对假说作出肯定或否定的决策。,第六章 教育测量数据处理,第三节 测量数据的统计检验,基本原理： 概率论中的“小概率事件实际上的

7、不可能性”原理。 一般方法： 如果现要检验实验组和对照组的平均数（1和2）有没有差异，其步骤为： 1.建立虚无假设，即先认为两者没有差异，用H0: 1=2 表示； 2.通过统计运算，确定假设H0成立的概率P； 3.根据P 的大小，判断假设H0是否成立。,第六章 教育测量数据处理,第三节 测量数据的统计检验,Z检验-大样本（样本容量大于30）平均数差异的显著性检验 1.建立虚无假设H0: 1=2 ，即先假定两 个平均数之间没有显著差异。 2.计算统计量Z值： 3.依据计算所得Z值、Z值与差异显著性关系表作出 判断。 4.结合以上分析和具体情况，作出结论。,第六章 教育测量数据处理,第三节 测量数

8、据的统计检验,t检验-小样本（样本容量小于30）平均数差异的显著性检验 1.建立虚无假设H0: 1=2 ，即先假定两个总体平 均数之间没有显著差异; 2.计算统计量t值: 3.自由度df= n-1或df=n1+n2-2，在0.01级或 0.05级水平查t值表，找出规定的t理论值； 4.比较计算得到的t值和理论t值，推断发生的概率； 5.结合以上分析和具体情况，作出结论。,第六章 教育测量数据处理,第三节 测量数据的统计检验,2检验-计数资料的差异检验 比较两个及两个以上样本率( 构成比）以及 两个分类变量的关联性分析 , 1.建立虚无假设H0: f0=fe ; 2.计算统计量2 值: 3.按自

9、由度df= n-1,查df（0.01）和df（0.05）的数值表,找出理论2 值。 4.比较计算得到的2值和理论2值，推断发生的概率；,第六章 教育测量数据处理,设统计数据是r行c列: f0是实得次数（观察次数） fe是理论次数（期望次数）=nr*nc/n,n是列数,研 究 方 法,问卷调查、访谈 实验研究,第六章 教育测量数据处理,第三节 测量数据的统计检验,例题一： 某项教育技术实验，对实验组和控制组的前测和后测的数据分别如下表所示，比较两组在前测和后测中是否存在差异。,第六章 教育测量数据处理,第三节 测量数据的统计检验,例题二： 为检验某新的教学方法的效果，设计对比实验，实验组采用新教

10、学方法，控制组采用传统讲授方法。实验后，实验组10名学生和控制组10名学生测试成绩如下，请分析判断实验组和控制组成绩是否有差异。,第六章 教育测量数据处理,第三节 测量数据的统计检验,例题三： 某班的教学中采用了新的教学方法，进行前测和后测试验，随机抽取8名学生作样本，如下表所示，分析两次测试是否有差异，从而判断实验结果。,第六章 教育测量数据处理,第三节 测量数据的统计检验,例题四： 某班共有50人，随机抽取20人利用多媒体教学软件进行语文教学试验。在期终考试结束后，得知全班语文考试成绩如下表所示，其中前20人分数为参加试验的学生成绩。试通过检验样本平均数与总体平均数之间的差异程度判断该试验

11、的效果。,第六章 教育测量数据处理,第三节 测量数据的统计检验,例题五： 随机抽取某学校数学系和中文系学生各100名，对某一英语教学软件的效果进行评价，根据下表所示的评价结果测试两系学生的评价态度的差异。,第六章 教育测量数据处理,第三节 测量数据的统计检验,例题六： 某项关于物理实验的多媒体教材开发完成后，送给有关学校的物理教师征询意见并发出问卷，请根据以下数据分析44位物理教师对于A问题的回答是否存在显著差异B问题呢？,第六章 教育测量数据处理,第四节 测量数据的S-P结构分析,项目反应模式 是测验中被试对项目所作反应的正误组合形式。 不同的项目反应模式对应着不同的能力水平，反映了不同被试

12、对学习内容的掌握程度。特别是，在异常反应模式中，包含了很多重要的诊断、评价信息。 只有综合总分与项目反应模式的分析结果，才能达到诊断学生学习状况和调整教学计划的双重目的。,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,项目反应模式 S-P 表分析法，则是一种把每一个学生的答对、答错模式与团体的反应模式进行对照分析，从而获得所需要的信息的方法。,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,S-P表概念 是一种将测试、练习的得分数据排成一览表，并对学生和问题的特性以视觉化的图表进行结构分析的方法. 可为学习的诊断、教学的评价提供重要的信息.,第七章 教育信息的结构

13、分析,第四节 测量数据的S-P结构分析,S-P表结构 以N个学生(Students)数据作为纵轴，n个问题(Problems)数据作为横轴作成一览表，该表取学生和问题的第一个字母，故称之为S-P表.,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,S-P表制作 1.确定项目得分表中的元素 a.选择回答： b.记分回答： 2.基本统计,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,S-P表制作 3.行列重排 分数相同的学生,两种方法: (1)计算协方差: (2)分别计算所答对的全部 项目的人数总和,累积项目 数大的排在前面. 对项目排序也同理.,第七章 教育信息的结

14、构分析,第四节 测量数据的S-P结构分析,S-P表制作 4.S曲线 和P曲线,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,S-P表,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,差异系数与注意系数 1.差异系数 用于表示S曲线与P曲线不一致程度. S曲线和P曲线间所包围的面积 S-P表的总面积之比来表示 差异量与学生数、问题数和学生的正答率有关。 为了使衡量差异程度的量度标准化，引入: 0.7*差异量 正答率*(1-正答率),第七章 教育信息的结构分析,差异系数D*=,第四节 测量数据的S-P结构分析,差异系数与注意系数 2.注意系数 学生得分模式 问题得分模

15、式 实际反应模式与标准变量的协方差 完全法反应模式与基准变量的协方差 其中,完全反应模式是指位于S曲线左测的全部为1，位于S曲线右侧的全部为0的学生得分模式.,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,差异系数与注意系数 2.注意系数,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,S-P分析 曲线位置、形状： 得分率、平均正答数、差异量、断层与幅 个别模式： 学生、问题、差异系数,第七章 教育信息的结构分析,第四节 测量数据的S-P结构分析,S-P表分析法的特点及存在的问题 作为一种分析处理测验数据的方法，S-P表分析法与一般测验理论或因子分析法相比，在基本

16、性质、分析方法以及适应范围等方面都有较大的差别。 S-P表分析法是最适合于分析形成性测验数据的方法。它的数学模型很简单，分析程序容易掌握，分析结果一目了然，量化指标的计算也十分方便。S-P表分析法存在的主要问题是其数学理论不完善。它的分析结果不具有普遍意义上的统计推断特性，各种量化指标的评判标准都是建立在经验的基础之上。因此，S-P表分析法未能发展成为一种具有一定普遍意义的测验理论。,第七章 教育信息的结构分析,第五节 测量数据的IRS分析,IRS (Item Relational Structure Analysis) 一种结构分析法,基于学生对各个问题(项目)的理解程度排序，对问题间的关联结构进行分析. 通常是以图来表示问题的关联结构.,第七章 教育信息的结构分析,第五节 测量数据的IRS分析,IRS基本原理,第七章 教育信息的结构分析,第五节 测量数据的IRS分析,顺序系数 表示顺序程度的标度 从问题i到问题j的顺序系数R*ij (1)R*ii=1 (2)若c+d=0, R*ij=1 a+c=0, R*ij=1,