PARSCALE - 项目反应理论软件

项目反应理论 (Item Response Theory，简称IRT) 一组分析软件包: BILOG-MG, IRTPRO和 PARSCALE。这些软件作为题目分析、题库建设以及分数估计等方面的工具在多种领域被广泛应用。

PARSCALE由Eiji Muraki（教育测试服务）和Darrell Bock（芝加哥大学）开发，实现了二元，多类别和评级规模项目的项目响应理论（IRT）测量方法。PARSCALE开始是为大规模社会和教育评估而开发的。然而，近来，PARSCALE已成为政府统计机构，营销研究机构，政策和管理顾问以及不同经典（心理，社会，医学，教育等）评估研究的调查员的流行统计工具。

PARSCALE可以分析常见调查常见的类型的数据。在这些调查中，项目按一组共同的类别（Likert scale）进行评级。尽管开始的Likert方法为类别分配了任意的，连续的整数值，但PARSCALE中的IRT方法估计了类别之间边界的的经验值。这些边界以及项目位置和响应人员都分都可以表示为沿着测量的潜在维度的点。利用这类数据的测试可能是行为调查，其中答案总是，同意，未定或不同意见的表达；或状态评级，例如，使用关键，稳定，或无症状作为评估水平的医生。

对于评估工具，PARSCALE还可用于分析评级量表项目（如开放式论文题目）和多项选择项目。通过多项选择，通过将项目视为有两个类别可用（将错误选择折叠到单个类别中）来实现的正确错误评分和分析。但是，如果需要更多信息，则选项可以在项目中保持分离，以便在分析期间保留所选备选方案的标识。通过这种方式，可以恢复友环错误响应的信息以进行详细分析。猜测的影响也可以在分析中。

通常，工具将由项目类型的混合组成，一些具有共同的类别，一些具有不一样的类别。

PARSCALE通过允许将项目分配到项目类别常见的块来处理这种多样性。具有类别定义的项目都将分配给自己的块。例如，教育测试可能在区块中分为五个类别而在区块中分为多个选项的开放式练习。

PARSCALE的多组功能增加了差异项目功能（DIF）分析选项，用于组间或时间的趋势，以及Rater's效应分析，以便允许评估人员偏见或评分这严重程度的差异。PARSCALE for Windows允许更地操作命令（语法）文件和更的查看输出文件。

PARSCALE是一款项目反应理论软件，该程序提供和的信息使其被研究人员所使用。该程序提供以下内容：

• 一，二和三参数logistic 模型

• 用于递级反应(graded responses)的Samejima模型

• Master's partial credit model(Master部分评分模型)

• 广义部分评分模型

• 分析量表项目，比如开放式短文问题的分析

• 多项选择项目分析

• 项目功能差异( Differential item  functioning,DIF)

• 混合项目类型的分析

• Rater's-effect analysis

• 多组多元项目反应模型

• 演示质量的IRT图形，可以被导入到Word，Access等

PARSCALE 是校准程序，使用MML对一、二、三参数模型和多模型（如PC、GPC、GRS、GR模型）的项目参数进行估计。

软件新功能：

数据集中的考生人数从100万人增加到1000万人。

文件名的长度已从128个字符更改为256个字符。这个“功能”在DLL可以处理带目录的语法文件时才有用。当前，UI将路径分为<drive>/<filename>,将当前工作目录更改为<drive>/<dir>，并调用BLM.exe文件使用<filename>（与参数一起使用）。

这阶段可以在批处理模式下运行。

PARSCALE 与Windows 10、8、7兼容。

Details:

PARSCALE for Windows analyzes and scores rating-scale data.

Features:

The flexibility and the wealth of information provided by this program have kept it in regular use by researchers around the world

One, two, and three-parameter logistic models

Samejima's model for graded responses

Master's partial credit model

Generalized partial credit model

Analysis of rating scale items such as open-ended essay questions

Analysis of multiple-choice items