运用信息熵推算C.Test多项选择题的等价选项个数

论文摘要

多项选择题（Multiple Choice Items）是C-Test考试的主要题型,其选项的质量与考试的信效度等各项指标都有密切的关系。本文引入了申农（Shannon）的信息熵（Information Entropy）的理论公式和计算方法对多项选择题的选项进行定量分析,根据预测或实测中被试在各选项上的分布频率计算出信息熵,以确定各项目所包含的有效选项即“等价选项”个数（Number of Equivalent Options）,并为命题人员提供调整选项的依据;同时还可以利用推导出的最理想的信息熵值的公式推算出题目中各个选项的最佳分布状态,更能结合难度和区分度等参数对题库进行扫描检索,抽出符合研究者要求的试题样本,并对题库进行一定程度的维护。信息熵是一个以随机离散数据为变量的函数,反映的是试题中的每个项目的特质,因而这一推算估计过程与C-Test所使用的各个参数与项目反应理论模型并不冲突,因此可以用C-Test已有的参数标准衡量和验证等价选项个数计算的准确度。同时,信息熵本身有值域和理想数值的计算公式,不仅能判断题目和选项设置本身的质量,也可以与C-Test正在使用的参数进行对照,为C-Test题目质量提供更加全面和权威的标准。

论文目录

• 摘要
• Abstract
• 绪论
• 1. 多项选择题的研究综述
• 1.1 多项选择题的发展历程
• 1.2 多项选择题的优势
• 1.3 多项选择题型的弱点
• 1.4 多项选择题研究情况概述
• 1.5 多项选择题测试现有的参数指标及方法概述
• 2. 信息熵的概念及应用
• 2.1 熵的定义及发展过程
• 2.2 信息熵的定义、性质及计算公式
• 2.3 信息熵的应用与拓展
• 2.4 选项信息熵的理想分布
• 2.5 等价选项个数的计算
• 3. 运用信息熵对C. Test的等价选项个数进行计算
• 3.1 实验目的
• 3.2 实验假设
• 3.3 实验对象
• 3.4 实验步骤
• 4. 结论
• 5. 余论
• 参考文献
• 附录1:C.Test120个题目的H值总表
• 附录2:本研究所用C.TEST多项选择题
• 致谢