در نظریه سوال پاسخ، برآورد سطح صفت اشخاص، مستلزم یک فرایند جستجو برای برآوردهای بهینه رفتار مدل است. نظریه سوال پاسخ به عنوان یک روش مدل­سازی نیرومند شناخته می­ شود زیرا بر مبنای پیش­فرض­های قوی استوار است. هدف نهایی مدل سوال پاسخ، مواجه کردن شخص با یک سوال معین است. الگوی پاسخ شخص به مجموعه خاصی از سوال­ها، مبنایی برای برآورد سطح صفت وی فراهم می سازد. اکنون نظریه سوال پاسخ شامل خانواده بزرگی از مدل هاست. ساده­ترین آن­ها مدل راش است که به مدل لوجستیک یک پارامتری (۱PL)^[8] نیز مشهور است.

آزمون انطباقی کامپیوتری، به طور روز افزونی به عنوان آزمون استاندارد شده، اهمیت پیدا کرده است. نسخه­های مختلف عملیاتی CAT شاهد بسیاری از آزمون­های استاندارد مانند TOFEL، GMAT و GRE بوده است. بر خلاف آزمون­های سنتی کاغذی و کامپیوتری، CAT آزمونی را فراهم کرده است که با آزمون دهنده در تعامل است. برای هر داوطلب، CAT به صورت متوالی سطح مهارت آزمون دهنده را بعد از هر سوالی، تخمین می­زند. سپس، این تخمین برای انتخاب سوال بعدی از بین سوالات باقی مانده در مجموعه عظیم سوالات، بر مبنای تعدادی از قواعد انتخاب، مورد استفاده قرار می­گیرد. تخمین سطح مهارت معمولاً با بهره گرفتن از روش برآورد بیشینه درست­نمایی^[۹] و یا تخمین بیض محاسبه می­ شود. در روش­های پارامتری، کیفیت تخمین صورت پذیرفته به شدت به مفروضات نسبتاً محدود کننده بستگی دارد. بسیاری از تحقیقات پیشین در مورد CAT بر اساس کلاسی از مدل­های آماری شناخته شده به عنوان نظریه سوال پاسخ استوار بود [۱۳, ۱۲, ۱۱]. مدل­های IRT به طور گسترده­ای در زمینه ­های مختلف از جمله آموزش و پرورش، روانپزشکی و دارو برای آنالیز پاسخ­های گسسته چندگانه برای مجموعه ­ای از سوال­های رتبه ­بندی شده، استفاده شده است.
رابطه بین ویژگی سوال­ها و توانایی آزمون­دهنده، بسیار پیچیده و غیر خطی است. اگرچه تعدادی از مقالات پژوهشی به تازگی در مورد IRT مدرن که توانایی فهم همزمان چندین مهارت و موارد رتبه ­بندی شده را دارا و بسیار پیچیده هستند و بر مبنای چندین فرضیه محدودکننده برای ساختن یک مدل محاسباتی هستند [۱۴]. در [۵]، Vomel شبکه ­های بیز،که یک مدل احتمالاتی گرافیکی است، را برای طراحی آزمون­های انطباقی اعمال کرده است. شبکه ­های بیز یک تعمیم برای نظریه سوال پاسخ­های چندبعدی فراهم می­ کند. به هر حال، شبکه ­های بیز هنوز هم جزء روش­های پارامتریک به شمار می ­آید و در برنامه­هایی با دامنه وسیع، مشکل­ساز است.
روش دیگر شبکه ­های عصبی هستند که با پیش زمینه تئوریکی قوی و قابلیت یادگیری و تعمیم و انعطاف پذیری بیشتر دقت تخمین بالاتری را ارائه می­دهد [۱۶, ۱۵]. شبکه ­های عصبی با موفقیت در سایر حوزه ها برای حل مشکلات پیچیده مورد استفاده قرار گرفته­اند که از جمله می­توان به تشخیص پزشکی، پیش ­بینی بازار سهام، به رسمیت شناختن الگو و داده کاوی، اشاره کرد.
فصل سوم : بحث­های مرتبط

نظریه سوال پاسخ
مقدمه
در سال­های اخیر، پایه­ های اساسی روان­سنجی آزمون­ها تغییر شگفت­انگیزی یافته است. با وجود اینکه نظریه کلاسیک آزمون چندین دهه به توسعه آزمون­ها کمک­های فراوان نمود، نظریه سوال پاسخ به سرعت به خط فکری پایه های نظری اندازه ­گیری درآمده است. اکنون نظریه سوال پاسخ زیربنای چند آزمون عمده را تشکیل می­دهد. به ­ویژه «آزمون انطباقی کامپیوتری»، بر نظریه سوال پاسخ استوار است. در «آزمون انطباقی کامپیوتری» آزمون­دهندگان به سوال هایی پاسخ می­ دهند که به نحو مطلوب برای اندازه ­گیری قابلیت­ها و توانایی­های آنان انتخاب شده است. آزمون دهندگان مختلف به سوال­های یکسان پاسخ نمی­دهند. اصول نظریه سوال پاسخ، در حالی که امکان انتخاب مناسب­ترین سوال­ها برای هر آزمون­دهنده را فراهم می­ کند، همترازسازی زیر مجموعه­های سوال­ها را نیز امکان­ پذیر می سازد. برای مثال، در مجموعه آزمون استعداد شغلی در خدمات نظامی، آزمایش ورودی دوره تحصیلات تکمیلی(GRE) برای برآورد توانایی آزمون دهنده­ها از نظریه سوال پاسخ استفاده می­ شود [۱۴, ۱۳].
نظریه کلاسیک آزمون (CTT) در بخش عمده سال­های قرن بیستم پایگاه اصلی پرورش آزمون­های روانی بوده است. کتاب کلاسیک گالیکسن (۱۹۵۰) که هنوز هم تجدید چاپ می­ شود، اغلب به عنوان منبع اصلی و معروفی به شمار می رود. اما نظریه کلاسیک بسیار قدیمی­تر از نظریه سوال پاسخ است. بسیاری از رویه­های روان­سنجی توسط پیشگامانی چون اسپیرمن (۱۹۰۷، ۱۹۱۳) به کار بسته شده است. نظریه کلاسیک روان­سنجی به عنوان معیار آزمون­سازی شناخته شده است که آغازگر انفجار اولیه آزمون­سازی در سال­های دهه ۱۹۳۰ به شمار می­رود [۱۴, ۱۳].
لرد و ناویک (۱۹۶۸) در کتاب کلاسیک خود اندازه ­گیری مبتنی بر مدل را معرفی کردند. نظریه سوال پاسخ به سرعت به صورت زیربنا و خط سیر اصلی اندازه ­گیری­های روان­شناختی درآمد. نظریه سوال پاسخ که به عنوان نظریه صفت مکنون نیز معروف است، اندازه ­گیری بر پایه مدل است که بر اساس آن برآورد سطح صفت هم به پاسخ­های شخص و هم به ویژگی­های سوال­های اجرا شده بستگی دارد. بسیاری از آزمون­های جدید بر اساس اصول نظریه سوال پاسخ تجدید نظر شده و دوباره تدوین گشته­اند اما چون اغلب کاربران این آزمون­ها با این نظریه آشنا نیستند، در راهنمای آزمون­ها به صورت جزئی و گذرا به کاربرد این نظریه اشاره شده است. به همین دلیل، بیشتر مصرف­ کنندگان این آزمون­ها از اینکه پایه­ های روان­سنجی آزمون­ها تغییر یافته است بی خبر مانده­اند. در سال­های اخیر کاربرد نظریه سوال پاسخ در موضوع­های پر اهمیت روان­شناسی آشکار شده است. اکنون تفسیر نمره­ها را می­توان از راه ویژگی­های اندازه گیری یکپارچه نظریه سوال پاسخ به مهارت­ های زیربنایی یا زمینه­ ساز ارتباط داد.
دانش بیشتر روان­شناسان از قواعد اندازه ­گیری بر روان­سنجی کلاسیک استوار است. (لرد و ناویک ۱۹۶۸) برای برقراری پیوستگی بین نظریه جدید و قدیم روان­سنجی، بسیاری از اصول نظریه کلاسیک را از نظریه سوال پاسخ استخراج کردند. وجود این اشتقاق­ها^[۱۰] به ظاهر نشان می­دهد که هرچند قواعد اندازه ­گیری در یک ساختار بدیهی و خردمندانه ریشه دارند، ولی بدون تغییر مانده­اند. اما در نظریه سوال پاسخ، بعضی قواعد شناخته شده اندازه ­گیری کاربرد خود را از دست داده است. به واقع قواعد جدید اندازه ­گیری در اساس با قواعد قدیمی تفاوت دارند. بسیاری از قواعد قدیمی باید مورد تجدید نظر قرار گیرند، تعمیم داده شوند و یا به کلی کنار گذاشته شوند. قواعد اندازه ­گیری اصولی هستند که بوسیله آن­ها آزمون­ها و مقیاس­های سنجشِ تفاوت­های فردی تدوین می­شوند. در ادامه قواعد جدید و قدیم را به طور مختصر بیان خواهیم کرد [۱۳].
قاعده۱- خطای معیار اندازه ­گیری
قاعده قدیم ۱: خطای معیار اندازه ­گیری درمورد تمامی نمره ­های یک جامعه خاص صدق می­ کند.
قاعده جدید ۱: خطای معیار اندازه ­گیری در سرتاسر نمره­ها(یا الگوهای پاسخ) تغییر می­ کند. اما در طول جامعه تعمیم­پذیر است.
قاعده ۲- طول تست و اعتبار
قاعده قدیم ۲: آزمونهای بلند از آزمونهای کوتاه معتبرتر هستند.
قاعده جدید ۲: آزمونهای بلند ممکن است از آزمونهای کوتاه معتبرتر باشند.
قاعده ۳- تبدیل­پذیر بودن^[۱۱] فرم­های آزمون
قاعده قدیم ۳: مقایسه نمره ­های آزمون­ها در فرم­های چندگانه (منظور فرم­هایی که میانگین ، واریانس و ضرایب اعتباری نابرابر دارند)، زمانی بهینه است که آزمون­ها موازی یا همتا باشند.
قاعده جدید ۳: مقایسه نمره ­های آزمونها­ در فرم­های چندگانه هنگامی بهینه است که سطوح دشواری آزمون برای آزمودنی­ها متفاوت باشد.
قاعده ۴- سنجش بدون سوگیری ویژگی­های سوال
قاعده قدیم ۴: برآورد بدون تورش یا بدون سوگیری ویژگی­های سوال به معرف بودن نمونه­ها بستگی دارد. یعنی نمی­ توان شاخص آماری دشواری سوال دو نمونه مختلف را به یک روش محاسبه نمود.
قاعده جدید ۴: برآورد بودن تورش یا بدون سوگیری ویژگی­های سوال را می­توان در مورد نمونه­های نامتعارف نیز به دست آورد. شاخص آماری دشواری سوال همه نمونه­ها را می­توان با یک روش یکسان محاسبه کرد.
قاعده ۵- تعیین نمره ­های مقیاسی با معنا
قاعده قدیم ۵: نمره ­های آزمون زمانی معنا پیدا می­ کنند که موقعیت آن­ها با گروه نرم یا هنجار مقایسه شود.
قاعده جدید ۵: نمره ­های آزمون وقتی معنا پیدا می­ کنند که فاصله آن­ها از سوال مقایسه شود.
قاعده ۶- محقق ساختن ویژگی­های مقیاس
قاعده قدیم ۶: وقتی که توزیع نمره ­های آزمون بهنجار باشد، ویژگی­های مقیاس فاصله­ای تحقق می­­یابد.
قاعده جدید ۶: ویژگی­های مقیاس فاصله­ای زمانی تحقق می­یابد که روش­های اندازه ­گیری توجیه­پذیر بکار بسته شود.
قاعده ۷- ترکیب چارچوب­های سوال
قاعده قدیم ۷: چارچوب مرکب سوال­ها در مجموع نمره ­های آزمون تأثیر ناهمسان برجای می­گذارد.
قاعده جدید ۷: چارچوب مرکب سوال­ها ممکن است به نمره ­های بهینه آزمون بینجامد.
قاعده ۸- معنای نمره ­های تغییر
قاعده قدیم ۸: اگر سطوح نمره ­های اولیه متفاوت باشند، نمره ­های تغییر را نمی­ توان به طور معنی­دار مقایسه کرد.
قاعده جدید ۸: اگر سطوح نمره ­های اولیه متفاوت باشند، نمره ­های تغییر را می­توان به­گونه معنی­دار مقایسه کرد.
قاعده ۹- تحلیل عاملی مدل­های دو ارزشی
قاعده قدیم ۹: تحلیل عاملی در مورد سوال­های دو ارزشی، به جای عامل واقعی به تولید عامل­های ساختگی منجر می شود.
قاعده جدید ۹: تحلیل عاملی در مورد داده ­های خام سوال­ها، به اطلاعات کاملی در مورد تحلیل عاملی منجر می­ شود.
قاعده ۱۰- اهمیت ویژگی­های محرک سوال
قاعده قدیم ۱۰: ویژگی­های محرک سوال­ها در مقایسه با خصایص روان­سنجی آن­ها بی­اهمیت­اند.
قاعده جدید ۱۰: ویژگی محرک سوال­ها می ­تواند به طور مستقیم به خصایص روان­سنجی آن­ها ارتباط پیدا کند.
قواعد اندازه ­گیری که در بالا ذکر شدند نشان می­دهد که نظریه سوال پاسخ شامل مجموعه اصولی است که با روان­سنجی کلاسیک تفاوت دارد. اگرچه اصول روان­سنجی کلاسیک را می­توان به عنوان حالت­های خاصی از نظریه سوال پاسخ استخراج کرد، ولی عکس این عمل صادق نیست. نظریه سوال پاسخ مبنای کلی تری برای روش­های روان­سنجی به شمار می­رود. بسیاری از اصول موجود در روان­سنجی کلاسیک، غیر لازم و یا حتی نامناسب است.
مدل­های نظریه سوال پاسخ
در نظریه­سوال پاسخ ، سطح توانائی شخص از روی پاسخ­های وی به سوال­های آزمون برآورد می­ شود. مدل سوال پاسخ مشخص می­ کند که سطح توانائی اشخاص و ویژگی­های سوال چگونه به یکدیگر مربوط می­شوند. سطح توانائی در بافت یا زمینه مدل برآورد می­ شود، و لذا نظریه سوال پاسخ اندازه ­گیری بر پایه مدل است [۱۳].
در نظریه سوال پاسخ، برآورد سطح صفت اشخاص، مستلزم یک فرایند جستجو برای برآوردهای بهینه رفتار مدل است. نظریه سوال پاسخ به عنوان یک روش مدل­سازی نیرومند شناخته می­ شود زیرا بر مبنای پیش­فرض­های قوی استوار است. هدف نهایی مدل سوال پاسخ، مواجه کردن شخص با یک سوال معین است. الگوی پاسخ شخص به مجموعه خاصی از سوال­ها، مبنایی برای برآورد سطح صفت وی فراهم می سازد.
اکنون نظریه سوال پاسخ شامل خانواده بزرگی از مدل هاست. ساده­ترین آن­ها مدل راش است که به مدل لوجستیک یک پارامتری (۱PL)^[12] نیز مشهور است. در مدل ساده راش، متغیر وابسته پاسخ دو ارزشی (یعنی موفقیت/شکست یا موافق/مخالف) شخص معین به یک سوال مشخص است. متغیرهای مستقل نمره ­های شخص در آزمون یعنی θ_s (تتاها) و سطح دشواری سوال یا β (بتا) است. متغیرهای مستقل با روش جمع­پذیر ترکیب می­شوند و سطح دشواری سوال از توانایی شخص (θ) منها می­ شود. این مدل دارای چند ویژگی مطلوب است، نخست، برآورد سطح صفت را می­توان در مورد هر سوالی که سطح دشواری آن معلوم است به کار بست. دوم، ویژگی­های سوال و سطوح صفت هر دو با رفتار پیوند یافته­اند. بنابراین، سوال پاسخ یک مدل کامل رفتار را فراهم می­سازد زیرا هم برای اشخاص و هم برای سوال­ها پارامترهای جداگانه­ ای دارد. سوم، سطح صفت و ویژگی­های سوال، متغیرهای مستقل هستند که می­توان آن­ها را جداگانه برآورد کرد [۱۷].
مدل­های دو ارزشی نظریه سوال پاسخ
در داده ­های دو ارزشی، به پاسخ درست هر سوال نمره ۱ و به پاسخ غلط نمره ۰ داده می­ شود. دو ویژگی این نوع داده ­ها را باید در نظر داشت. نخست، هرچند سوال­های آزمون، پیشرفت یا توانائی نمونه­های نخستین داده ­های دو ارزشی به شمار می­روند(یعنی پاسخ درست در برابر پاسخ اشتباه)، داده ­های دو ارزشی برای بسیاری از انواع دیگر آزمون­ها نیز مناسب است. دوم اینکه، در برخی موارد، پاسخ­های چند ارزشی یا چند طبقه­ای را می­توان به چارچوب دو ارزشی کاهش داد.
مدل­های سوال پاسخ تک بعدی برای داده ­های دو ارزشی
در مدل­های سوال پاسخ تک بعدی، فرض می­ شود که یک صفت مکنون واحد برای مشخص کردن تفاوت های اشخاص کفایت می­ کند. مدل­­های سوال پاسخ تک بعدی برای داده­هایی که زیر بنای پاسخ به سوال­ها فقط شامل یک عامل مشترک باشد مناسب است. مدل­­های سوال پاسخ تک بعدی برای داده­هایی که در آنها (الف) دو یا چند صفت مکنون، اثرهای متفاوتی بر سوال­ها دارند و (ب) از نظر راهبردها، ساختارهای دانش، و شیوه ­های تفسیر سوال­ها بین افراد تفاوت های اساسی وجود دارد، مناسب نیستند. در این گونه موارد مدل­­های سوال پاسخ چند بعدی مناسب­ترند. در جدول ‏۳‑۱ نمادهای متداول در مدل­های نظریه سوال پاسخ که در این فصل استفاده می­ شود، را مشاهده می­کنید.
جدول ‏۳‑۱: نمادهای متداول در مدل­های نظریه سوال پاسخ.