基于机器学习的项目区分度分析方法的探索

浙江师范大学 浙江 金华 321004

引言

区分度，是指测验项目对被试心理品质水平差异的区分能力，反映了测验题目对心理品质区分的有效性。提高区分度，可以很好地提高测验信度。

在心理与教育测量中，总是希望测验项目能够区分被试不同的心理特质或属性。比如，在选拔性考试里，试题必须具备区分度，以满足不同层次人才的需要；心理量表也要区分不同心理特质的被试。因此，在任何测验中，区分度都是非常重要的，是必须考虑的因素之一。

目前，区分度主要的计算指标:

（1）鉴别指数(D)，该方法选取高分组、低分组两组进行计算。公式为：D=PH-PL

PH与PL分别为高分组与低分组在该项目上的通过率。一般在分数为正态分布时，高低分组各占27%。该方法需要区分多个层次时，只能采取两两比较的方法，因此反应较为片面，可提供的信息较少。此外由于仅分为两组，导致了结果受到分组依据的影响很大。面对主观题得分维度较高时，使用该方法会丢失大量信息。

（2）另一种常用方法是相关法，常常用项目分数与总分或校标分数的相关来计算区分度。这类方法结果受到计分方式的影响，且结果没有鉴别指数法好理解，提供的信息也比较少。

随着统计学的发展，统计方法不断革新，出现了机器学习。机器学习的目的是教机器如何有效的处理数据，特别是在我们无法解释或提取数据中的信息时。机器可以更好地找出变量与预测值间的映射关系，这种关系并不是简单的线性关系，这种更加复杂的关系可以用机器学习的模型来进行建构。……