考试抄袭识别的心理测量学研究回顾(2)
 |
| 第5页 |
 |
| 第1页 |
参见附件(744KB，9页)。
相对于ACS，关于PFS统计量的研究和应用较少，Cizek认为其统计检验力比较低[7]。造成这一现象的原因是：PFS主要用于识别各种异常行为[19]，如：作弊，猜测、预先知道答案、默认反应风格，社会期望性反应等，识别出来的异常行为不仅仅局限于抄袭答案。也就是说如果被试的得分模式与项目反应理论的模式不拟合，我们也不能断定被试间存在抄袭的行为，因为其它的异常行为也能导致不拟合。而ACS主要是针对抄袭答案这种作弊的方式提出的一种统计识别方法，因此更有针对性。
3 关于各抄袭统计量性能的实验研究
在ACS的发展过程中，新的统计量不断提出，新统计量的提出者一般要对其识别率和错误率进行检验，并与其他统计量进行对比。国外的相关研究可分两类，一类是模拟研究，一类是真实数据研究。模拟研究一般是用Monte Carlo等程序生成被试数据，再从中选择一定比例的被试(如5%)，将其对部分题目的回答修改为与其他被试(即被抄袭者s)相同，这些被试就是抄袭者(c)。真实数据则是选择某个真实测验中的数据，将一部分被试的部分题目改为与其他被试相同，分别作为抄袭者(c)和被抄袭者(s)。这两类研究都是人为地生成抄袭者，目前还没有见到对真实抄袭者的研究。
以下我们重点介绍关于近期提出的ACS统计量的有影响的几个模拟研究和真实数据研究。
3.1模拟研究
4 总结与展望
4.1 各抄袭统计量性能的综合比较
自抄袭研究的统计方法产生以来，被提出的抄袭统计量有20多种，每一个统计量的提出都以改进识别率为目的，并把I型错误率控制在理论值之下。研究者对这些统计量的性能进行了反复对比。
ω是研究最多的统计量，它能很好地控制I型错误率。在大样本和小样本条件下识别率都高于其它统计量。Sotaridona和Meijer指出如果称名反应模型的项目参数能被可靠的估计，ω可能是识别抄袭答案的最好选择，因为它对所有能力水平的抄袭者和小样本条件的下的抄袭者都灵敏[2]。但估计IRT模型的项目参数时需要大量的样本，这与小样本条件下ω统计量可以很好的识别抄袭者相矛盾。因此，Wollack和Cohen研究了小样本(100)对ω统计量的影响，研究表明即使不能精确的估计称名反应模型的项目参数，也不会显著降低ω统计量的性能[20]。但在项目反应理论的假设条件被违背时ω统计量是否具有稳健性目前还缺乏研究 ......
您现在查看是摘要介绍页，详见PDF附件(744KB，9页)。