Partial Credit来源的背景:
在介绍之前,我们先来看一个例子:
2x2-1=?
我们是按照这样步骤计算的:
1、 先计算2x2,结果为4;
2、 在计算4-1,结果为3;
3、 得出结论,结果为3
对之前的二分类变量的测量,我们主要是0-1编码,这种的应用可以是单选题,但是对于多选题,有些人回答错了,但是不是全错了,如果按照0-1的分类方式,全部归为0,这样到时我们会损失很多信息,导致分析结果会低估一部分答错的人。还是按照上面的例子来说明,如果,有人回答错误,但是他(她)第一步的乘法没错,由于某种原因,第二步的减法错了,如果把这类受试者简单归为与第1步就回答错误的未免有点太浪费所收集的信息。
Partial Credit的来源,针对上面例子的问题,有人就提出了Partial Credit即:
1、如果在上述的例子中,第一步回答错误,记其结果为0;
2、如果在上述的例子中,第一步回答正确,先记其结果为1;
3、如果在上述的例子中,第二步回答错误,则最终其结果为1;
4、如果在上述的例子中,第二步回答正确,则最终其结果为2;
因此就分出的三种类型:
一是完全不会
一是会一部分,但不能完全答对
一是全部都会
从中我们就可以得出用partial credit可以得出受试者的更多信息。
背景就介绍到这里,至于具体的模型将在下一次分享给大家。
对于不太懂的,可以再举个通俗简单例子,高考理科综合和文科综合的试卷中的多选,有三种策略,一是回答错误不得分,回答正确但答案不全,得一半分数,回答正确答案且全的得满分。Partial credit就是与上述类似。
个人独家理解,有不妥之处欢迎批评指正!!!