|
Les estimateurs de capacité dans la théorie des réponses aux items et leur biais
Full text PDF
Bibliographic information:
BibTEX format
RIS format
XML format
APA style
Cited references information:
BibTEX format
APA style
Doi:
10.20982/tqmp.07.2.p042
Laurencelle, Louis
, Germain, Stéphane
42-53
Keywords:
item reponse theory
, monte carlo
(no sample data)
 
(no appendix)
In the parametric setting of item response theory (IRT), several procedures have been put up to estimate the examinee’s ability level (theta), some based solely on the information in the response protocol while others are grounded on a restrictive population model. Few studies however have endeavoured to compare the relative merits of these procedures. By way of an extensive Monte Carlo experiment, we studied the bias, precision and capture efficiency of four ability estimators : ML, BME, EAP, WARM, to which we added a winsorized ML estimator (WINS) and an extrapoled one (EXT), both enabling ML estimation for perfect (all items passed) and null (all items failed) scores. Dans le modèle paramétrique de la théorie des réponses aux items (TRI), l’estimation du niveau d’aptitude (theta) du répondant a fait l’objet de plusieurs procédures différentes, certaines basées uniquement sur le protocole de réponses observé et d’autres, appuyées sur un modèle de population contraignant. Peu d’études cependant ont entrepris d’établir les mérites comparatifs de ces procédures. Au moyen d’une large expérimentation Monte Carlo, nous étudions le biais, la précision et l’efficacité de capture de quatre estimateurs de capacité : MV, BME, EAP, WARM, auxquels nous ajoutons un estimateur MV winsorisé (WINS) et un autre extrapolé (EXT), qui permettent tous deux l’utilisation de l’estimateur MV pour les scores parfaits (tous items réussis) et nuls (tous items échoués).
|