ش | ی | د | س | چ | پ | ج |
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
این بسته را می توان برای تحلیل های مختلف مربوط به نظریه کلاسیک آزمون مورد استفاده قرار داد مثل نمره دهی پاسخ های چند گزینه ای، پایایی، تحلیل سوال، و تبدیل نمره به مقیاس های متفاوت. این بسته دارای توابع زیر است:
1- reliability,
2-score,
3-distractor.analysis,
4-score.transform,
5-spearman.brown,
6-disattenuated.cor,
7-subscales,
8-polyserial
شماره |
تابع |
مثال |
توصیف |
1 |
CTTdata |
داده های چند گزینه ای |
این مثال شامل 20 سوال چند گزینه ای بدون نمره است. |
2 |
cttICC |
تدوین منحنی ویژگی سوال تجربی و نظری |
این تابع، منحنی ویژگی سوال تجربی را تولید می کند. |
3 |
CTTkey |
کلید چند گزینه ای |
این مثال شامل کلید 20 سوال چند گزینه ای بدون نمره است. |
4 |
disattenuated.cor |
تابعی برای همبستگی کاهش یافته |
این تابع برای محاسبه همبستگی کاهش یافته بین دو اندازه که پایایی های آزمون متناظر آن ها ارائه شده، مورد استفاده قرار می گیرد. |
5 |
distractor.analysis |
تابعی برای تحلیل گزینه های انحرافی |
این تابع، گزینه های انحرافی هر سوال را تحلیل می کند. |
6 |
polyserial |
تابع محاسبه همبستگی پلی سریال |
این تابع با استفاده از برآوردگر ML و ad hoc همبستگی پلی سریال را محاسبه می کند. |
7 |
reliability |
تابع تحلیل پایایی سوال |
این تابع، پایایی را محاسبه می کند. |
8 |
score |
تابع نمره دهی فایل های پاسخ |
این تابع می تواند پاسخ های سوال های چند گزینه ای را نمره دهد. |
9 |
score.transform |
تابع تبدیل نمرات به مقیاس های مختلف |
این تابع متریک نمره را تبدیل می کند. |
10 |
spearman.brown |
تابع فرمول اسپیرمن-براون |
این تابع پایایی پیش بینی شده را با توجه به پایایی اصلی و طول آزمون جدید محاسبه می کند یا طول مورد نیاز آزمون را برای رسیدن به سطح قابل قبولی از پایایی محاسبه می کند. |
11 |
subscales |
تابع ساخت خرده مقیاس ها بر اساس ماتریس طراحی |
این تابع برای استخراج خرده مقیاس ها از مجموعه پاسخ های یک سوال تهیده شده است. |