曾平飞 李雨秦 刘文惠 焦丽亚 康春花

（1.浙江师范大学教师教育学院，浙江金华 321004；2.合肥晶合集成电路有限公司，合肥 230012；3.教育部考试中心，北京 100084）

大规模测评中IRT等值的影响因素研究

曾平飞1李雨秦1刘文惠2焦丽亚3康春花1

（1.浙江师范大学教师教育学院，浙江金华 321004；2.合肥晶合集成电路有限公司，合肥 230012；3.教育部考试中心，北京 100084）

通过模拟和实证研究探讨样本量、题本量以及锚题题型对大尺度测评中项目参数等值精度的影响，模拟研究和实证研究的结果均表明：（1）0/1计分项目参数的等值精度在大多数条件下均好于多级计分项目，相对而言，实证研究的差异不如模拟研究明显；（2）相对而言，样本容量的增加对于提高项目参数等值精度有着重要的作用，而增加题本数量的作用甚微；（3）无论是区分度参数还是难度参数，均表现为3个题本和2 000人的搭配已经可以达到较好的等值精度，如果进一步提高等值精度，只需将每一题本的样本容量增加到3 000人即可；在多级计分时，当选用5个题本时，每一个题本2 000人是最适宜的组合。

项目反应理论；等值；同时估计；锚测验非等组设计

1 引言

在日益注重教育质量和教育内涵的“互联网+”时代，学生能力国际评价项目（Programme for International Student Assessment，PISA）、国际教育成就评价协会（International Assessment for the Evaluation of Education，IEA）主持的数学与科学学习国际比较研究（The Trends in International Mathematics and Science Study，TIMSS）、美国国家教育进展评估（National Assessment of Education Progress，NAEP）和我国的基础教育质量监测（Basic Education Quality Assessment）等大型测评项目，在世界上的影响越来越大。就教育测量学的技术而言，这些测评项目的一个共同的经验是：在对教育质量进行大范围、广领域的评估或监测时，都应用了大规模教育测评中的矩阵取样技术（matrix-sampling，MS）[1]。……