การเดากับการพัฒนาโมเดลทฤษฎีการตอบสนองข้อสอบทางเลือกที่คำนึงถึงการเดา
Article Sidebar
Main Article Content
บทคัดย่อ
การเดาเป็นปัญหาหนึ่งที่หลีกเลี่ยงไม่ได้สำหรับการวัดและประเมินผลด้วยแบบสอบปรนัย แม้ในเบื้องต้นจะมีการป้องกันการเดาด้วยวิธีการต่าง ๆ แต่ก็ไม่อาจกระทำได้อย่างสมบูรณ์ เนื่องจากปัจจัยที่ส่งผลให้เกิดการเดาอาจมาได้จากหลายสาเหตุ จากข้อจำกัดดังกล่าวจึงเป็นเหตุผลของการพัฒนาโมเดลทฤษฎีการตอบสนองข้อสอบ (IRT) ในรูปแบบต่าง ๆ เพื่อวัดค่าการเดาที่เกิดขึ้น โดยประเด็นที่นำเสนอในบทความมีดังนี้ 1) การเดาคำตอบในข้อสอบปรนัย แบ่งเป็น 2 รูปแบบคือ การเดาแบบสุ่ม และการเดาแบบอิงความสามารถ 2) ปัจจัยด้านคุณลักษณะของข้อสอบและผู้สอบที่ส่งผลต่อการเดา 3) โมเดล IRT ได้แก่ โมเดล Rasch 2PL และ 3PL 4) โมเดล IRT ทางเลือกที่คำนึงถึงการเดา ได้แก่ โมเดล AG FG3PL 2PLG 3P-RH และ 2PLE และ 5) การเปรียบเทียบความแตกต่างระหว่างโมเดล IRT ทางเลือกที่คำนึงถึงการเดาแต่ละรูปแบบ
Article Details
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นลิขสิทธิ์ของวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนใดส่วนหนึ่งไปเผยแพร่ต่อหรือกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ก่อนเท่านั้น
เอกสารอ้างอิง
ศิริชัย กาญจนวาสี. (2555). ทฤษฎีการทดสอบแนวใหม่ (Modern test theories). พิมพ์ครั้งที่ 4. กรุงเทพฯ: โรงพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
Andrich, D., & Marais, I. (2014). Person proficiency estimates in the dichotomous Rasch model when random guessing is removed from difficulty estimates of multiple choice items. Applied Psychological Measurement, 38(6), 432-449.
Baldiga, K. (2014). Gender differences in willingness to guess. Management Science, 60(2), 434-448.
Ben-Simon, A., Budescu, D., & Nevo, B. (1997). A comparative study of measures of partial knowledge in multiple-choice tests. Applied Psychological Measurement, 21(1), 65-88.
Bereby-Meyer, Y., Meyer, J., & Flascher, O. (2002). Prospect theory analysis of guessing in multiple choice tests. Journal of Behavioral Decision Making, 15(4), 313-327.
Bo, Y., Lewis, C., & Budescu, D. (2015). An option-based partial credit item response model. Quantitative Psychology Research, 89, 45-72.
Budescu, D., & Bo, Y. (2015). Analyzing test-taking behavior: decision theory meets psychometric theory. Psychometrika, 80(4), 1105-1122.
Cao, J., & Stokes, S. (2008). Bayesian IRT Guessing Models for Partial Guessing Behaviors. Psychometrika, 73(2), 209-230.
Croson, R., & Gneezy, U. (2009). Gender differences in preferences. Journal of Economic Literature, 47(2), 448-474.
Hambleton, R., Swaminathan, H., & Rogers, H. (1991). Fundamentals of item response theory. Newbury Park, CA: Sage.
Han, K. (2012). Fixing the c Parameter in the Three-Parameter Logistic Model. Practical Assessment, Research & Evaluation, 17(1), 1-24.
Hutchinson, T. P. (1991). Ability, partial information and guessing: Statistical modelling applied to multiple-choice tests. Rundle Mall, South Australia: Rumsby Scientific Publishing.
Lee, S., & Bolt, D. (2018). An Alternative to the 3PL: Using Asymmetric Item Characteristic Curves to Address Guessing Effects. Journal of Educational Measurement, 55(1), 90-111.
Lord, F. M. (1974). Estimation of latent ability and item parameters when there are omitted responses. Psychometrika, 39(2), 247-264.
Reckase, M. D. (2009). Multidimensional item response theory. New York, NY: Springer.
San Martín, E., Del Pino, G., & De Boeck, P. (2006). IRT models for ability-based guessing. Applied Psychological Measurement, 30(3), 183-203.
Smith, R. M. (1993). Guessing and the Rasch model. Rasch Measurement Transactions, 6(4), 262-263.
Thissen, D., & Wainer, H. (1982). Some standard errors in item response theory. Psychometrika, 47(4), 397-412.
Tsai, T., & Lin, C. (2015). Modeling Guessing Properties of Multiple-Choice Items in the Measurement of Political Knowledge. Paper was presented at the 2015 Asian Political Methodology Conference, Jan 9-10, 2015. Taipei, Taiwan.
Wise, S., & Kong, X. (2005). Response Time Effort: A New Measure of Examinee Motivation in Computer-Based Tests. Applied Measurement in Education, 18(2), 163-183.
Zhu, Z., Wang, C., & Tao, J. (2019). A two-parameter logistic extension model: an efficient variant of the three-parameter logistic model. Applied Psychological Measurement, 43(6), 449-463.
