모형선택지수를 활용한 M2PLM과 MLTM 비교 연구
A comparison study on the M2PLM and MLTM based on model selection indices
김명연(인하대학교); 강태훈(성신여자대학교)
30권 4호, 859~885쪽
초록
본 연구에서는 다차원 문항반응이론 적용 맥락 하에서, 보상성 가정과 비보상성 가정 중 하나를 선택해야 할 때 모형선택지수의 활용가능성 및 수행 정도를 탐색하였다. 이를 위하여 다차원적 문항반응모형 중에서 각각 보상성 모형과 비보상성 모형을 대표한다고 할 수 있는 M2PLM과 MLTM을 고려하여 모의실험 연구를 수행하였다. 실제 검사 자료의 문항모수를 자료 생성 모수로 사용하였으며 피험자수, 검사 길이, 인지요소 간 상관계수의 크기, 생성 모형 등을 모의실험 요인으로 고려하였다. 각각의 모형으로 생성된 모의실험 자료에 대하여 모형선택지수 중 AIC, BIC, DIC, CVLL을 계산하여 어느 모형이 보다 간명하게 설명할 수 있는지를 조사하였다. 연구 결과 CVLL은 모든 모의실험 조건에서 진 모형을 매우 정확하게 선택하고 있는 것으로 나타나 다차원 자료에 대한 모형을 선택하고자 할 경우 양적인 근거로서 신뢰할 수 있는 수단으로 나타났다. 마지막으로 이와 같은 결과에 대해 논의와 함께 본 연구의 제한점 및 향후 연구 방향에 대하여 제시하였다.
Abstract
This study examined the performances of model selection indices as empirical tools to choose one of compensatory and non-compensatory models. For the purpose of this, we conducted a simulation study considering the M2PLM and MLTM which are representative of compensatory and non-compensatory models, respectively, in multidimensional item response theory. In this simulation study, an actual test dataset was calibrated by both models and the results were used to determine true model parameters. The simulation factors were sample sizes, test lengths, correlation coefficients between sub-abilities, and generation models. The model selection indices such as AIC, BIC, DIC, and CVLL were calculated for each simulated data set which is generated with one of the two models and calibrated by both. The results show that CVLL could provide very accurate selection at all the simulation conditions. Therefore, it can be concluded that CVLL is a very trustworthy tool to select a psychometric model for multidimensional test data. Finally, discussions of the findings were provided followed by limitations of this study and directions of future studies.
- 발행기관:
- 한국교육평가학회
- 분류:
- 교육학