跳转到内容

项目区分度

来自VeritasWiki 真理百科
项目区分度
英文名 Item Discrimination
学科归属 心理测量、教育测量
核心含义 题目区分不同水平被试的能力
经典指标 题总相关、高低分组通过率之差(D 值)
IRT 指标 a 参数(项目特征曲线的斜率)
相关条目 项目难度、项目特征曲线、项目反应理论|}

项目区分度指题目区分不同水平被试的能力:能力高的被试是否更可能答对这道题、能力强的被试是否在该题上得分更高。区分度是题目质量的另一基础指标——难度回答"这题多难",区分度回答"这题有没有用"。

一道区分度为零的题目,答对与答错的人在其他题目上的表现毫无差异——它对测量目标特质没有贡献,只贡献噪声。区分度分析因此是题目筛选的第一道关口。

经典指标

经典区分度有两类常用指标。

题总相关:题目分数与测验总分的相关(选择题用点二列相关)。这是最常用的指标:正相关说明该题与其他题目方向一致;通行标准为 0.30 以上可用,0.20 以下需修改或删除,负区分度(总分高者反而更不易答对)的题目必须彻查——通常是题目有误导、答案有争议或表述歧义。

高低分组 D 值:按总分排序取上下各 27%(经典分组比例)计算两组通过率之差。D 值 0.40 以上为优良,0.30 以上良好。极端分组法的好处是对总分构成不敏感(不相关于题目自身与总分的循环),缺点是只用两组极端信息。

题总相关的循环问题:题目自身包含在总分中,题总相关存在轻微的自我膨胀(题数少时明显);校正的做法是用"题目与剩余总分"的相关(校正后题总相关)。大题量测验中差别可忽略,短测验中建议校正。

两类指标的配套使用:题总相关提供连续度量,D 值提供直观分组证据;两者分歧时(题总相关低而 D 值尚可)提示总分构成或题目排列有问题,值得复查。

IRT 的区分参数

项目反应理论把区分度纳入题目参数体系,性质有所不同。

a 参数:项目特征曲线的斜率——特质水平变化一个单位时答对概率的变化速度。a 越大,曲线越陡,题目在其定位(b)附近的区分力越强。

与经典指标的对应:经典题总相关与 IRT 的 a 高度相关(都反映曲线斜率的信息),但 IRT 的 a 是题目自身参数(标定后不依赖特定样本),且与难度参数 b 分离——同一题在不同 b 位置的区分贡献由信息函数精确刻画。

信息函数视角:区分度对测验的真正贡献由项目信息函数表达——a 与 P 值(经 Logistic 曲线)共同决定题目在哪个特质区间提供多少信息。题目筛选因此从"淘汰低区分题"升级为"按目标区间的信息需求配置题目"。

a 参数过高的警惕:a 异常大(曲线陡峭如阶梯)常提示题目测量了与主特质不同的东西(如某一步骤的单一技能),或在样本中形成作答突变——高区分不自动等于高质量,需结合内容审查。

IRT 指标的样本要求(每题通常需数百人的标定样本)限制了它在小样本研究中的使用;经典指标仍是常规研究的第一线工具。

区分度异常的诊断

区分度不足或异常的题目各有典型病因,诊断思路已经成熟。

低区分度的常见原因:题目过易或过难(几乎人人对或人人错,无区分空间——难度是区分度的天花板);题目测量了与测验目标不同的次要特质;题目表述歧义使作答随机化;题目知识超纲或预设经验,使高分者与低分者同样可能不会。

负区分度的病因:答案错误或争议;干扰项比正确项更有吸引力(高质量被试被迷惑、低质量被试靠猜对);双重否定或复杂表述使理解能力主导作答;题目泄露(部分被试提前见过)。

诊断与处理的程序:先查难度(是否极端难度压制了区分空间)→再查选项分析(选择题逐个干扰项的选中率——好的干扰项应主要吸引低分者)→再查表述(认知访谈或教师评审)→最后决定修改、替换或删除。

处理的原则是修优先于删:有内容价值的题目(覆盖重要单元)值得投入修改,内容价值低的题目直接替换。区分度分析因此不仅是质检,也是题目改进的导航仪。

在测验开发中的运用

区分度在测验开发各环节的使用已程序化。

题目初筛:预试中淘汰负区分与极低区分的题目,同时对各干扰项做选中率分析——干扰项全无吸引力的选择题(某干扰项无人选)虽有区分度但浪费作答时间。

维度结构的辅助诊断:分维度计算的区分度可以揭示题目归属异常(某题在本维度区分度低而在别的维度高),提示题目归类或维度界定的问题。

评分者与开放题:论述题的区分度检查延伸为评分有效性的检查——分数与总分相关过低提示评分标准的执行有问题。

中国考试实践:高考与公务员考试的题目质量分析把区分度与难度并列为核心指标;对区分度不达标题目的复盘(命题缺陷报告)是考试机构的质量惯例,直接反馈到命题培训。

区分度运用的总原则与难度一致:区分服务于测验目的——目标区间的区分力是稀缺资源,题目配置应保证目标区间(而非全量尺)的区分最大化。

选项分析与选择题

对选择题,区分度诊断的最高效工具是选项分析:统计每个备选项(含正确项)的选中率在高低分组中的分布。

标准参照下的理想模式:正确项在高分组选中率高、低分组低;每个干扰项都主要吸引低分组(被试因知识缺陷而误选,而非因表述而被迷惑);无人选的干扰项(选中率接近零)虽不直接伤害区分度,但浪费选项、削弱作答效率,应替换。

异常模式与诊断价值:某干扰项在高分组的选中率反超低分组——该选项可能语义上更"精细",吸引过度思考的优质被试,属于典型的不良干扰项;正确项全员选中或几乎无人选中——难度失控,与区分度异常相互印证;低分组在多个选项上平均分布——题目作答接近随机,区分度低是表述不清的直接后果。

选项分析使"区分度低"的笼统诊断落到具体选项:多数低区分度选择题的问题不在于知识点本身,而在于某个干扰项的设计。选项层面的修改(改写迷惑性过强或过弱的干扰项)常比整题替换更经济,也保留了原题的内容覆盖。

这一技术与难度分析、题总相关一起,构成选择题质检的三件套,是命题培训的标准内容。

参见

参考资料