style1
Procédurier - Utiliser R en mesure et évaluation
Section 09 D - Analyse du PISA2006 par la théorie des réponses aux items.
La grande différence avec la section 08D sur l'utilisation de la TRI pour analyser le PISA2000 est que certaines des questions du PISA 2006 permettent l'utilisation de crédit partiel, c'est à dire un résultat entre la bonne réponse et la mauvaise réponse.
Ainsi, il faut réaliser une analyse d'items polytomiques. La librairie ltm permet de faire de telles analyses, grâce aux fonctions gpcm() et grm().
Le script GPCM_01a.r reprend la procédure nécessaire pour utiliser ces fonctions.
Pour utiliser ce script, il faut avoir utiliser les scripts de la section 09 permettant d'obtnenir la matrice data1.
Ces scripts sont dans l'ordre: Transfert_data_gamma.r et transtype_alpha.r.
La matrice data1 a donc la forme suivante:
Les fonctions gpcm() et grm() permettent d'analyser les items polytomiques, mais aussi les éléments dichotomiques.
Les calculs nécessaires sont assez longs, il faut donc prévoir un temps d'attente pour obtenir les résultats.
# NOM DU FICHIER: GPCM_01a.r
# Créé le 7 juin 2009
# # Résumé: Ce script permet
# 1) de faire l'analyse de la TRI pour des éléments dichotomiques et polytomiques
# 1.1) selon le modèle GPCM (Generalized Partial Credit Model) (Masters, 1982; Muraki, 1992)
# 1.2) selon le modèle GRM (Graded Response Model)(Samejima, 1969)
#
# F_IN : data1 (une matrice de réponses d'étudiants)
# Sorties principalement graphiques
#
# Variables internes: resultat_gpcm :
# resultat_gpcm :
#
#===============================================================
# Modele Generalized Partial Credit Model (GPCM)
La fonction plot.gpcm() appelle une fenêtre grise, ce qui est normal.
Pour avancer dans les images, il suffit d'appuyer sur ENTRÉE.
On obtient donc pour les éléments dichotomiques des graphiques à deux courbes (car 2 catégories).
On obtient donc pour les éléments polytomiques des graphiques à deux courbes (car 3 catégories).
Maintenant, utilisons l'autre fonction (grm).
Cela complète donc les étapes pour réaliser des analyses polytomiques à l'aide de grm() et gpcm(). Il est aussi possible (en modifiant data1) de refaire les mêmes opérations en séparant les items de sciences, mathématiques et lectures du PISA. Il serait aussi possible de faire les mêmes opérations sans séparer les questions selon les livrets (qui est un choix arbitraire). Dans ce cas, il faut prévoir un temps de calcul plus long.
 Retour à à la page précédente | |
 Retour à la page principale |
Dernière mise à jour faite le 21 janvier 2017 à 13:10 -0800 par AndréSèb |
|