jMetrik มีพลังมากกว่าที่คุณคิด มันถูกออกแบบมาสำหรับการปฏิบัติงานที่นักวิจัยต้องการหลายขั้นตอนในกรอบการทำงานแบบครบวงจรเดียว ขณะนี้คุณสามารถประมาณพารามิเตอร์ IRT สำหรับโมเดล Rasch สินเชื่อบางส่วนและมาตราส่วนการจัดอันดับ นอกจากนี้ยังอนุญาตให้มีการเชื่อมโยงในระดับ IRT ผ่าน Stocking-Lord, Haebara และวิธีอื่น ๆ เนื่องจากมีฐานข้อมูลแบบรวมเอาท์พุทจากการประมาณค่า IRT จึงสามารถใช้ในการลิงก์แบบสเกลได้โดยไม่จำเป็นต้องปรับแต่งไฟล์ข้อมูลอีกต่อไป นอกจากนี้เอาต์พุตทั้งหมดสามารถเก็บไว้ในฐานข้อมูลเพื่อใช้กับวิธีอื่นใน jMetrik หรือโปรแกรมภายนอกเช่น R
นอกจากนี้คุณยังสามารถเรียกใช้ได้ด้วยสคริปต์แทน GUI ตัวอย่างเช่นรหัส follwing จะ (a) นำเข้าข้อมูลไปยังฐานข้อมูล (b) รายการคะแนนด้วยคีย์คำตอบ (c) ประมาณพารามิเตอร์โมเดล Rasch และ (d) ข้อมูลการส่งออกเป็นไฟล์ CSV คุณสามารถใช้ไฟล์เอาต์พุตสุดท้ายเป็นอินพุตใน R เพื่อการวิเคราะห์เพิ่มเติมหรือคุณสามารถใช้ R เพื่อเชื่อมต่อโดยตรงกับฐานข้อมูล jMetrik และทำงานกับผลลัพธ์
#import data into database
import{
delimiter(comma);
header(included);
options(display);
description();
file(C:/exam1-raw-data.txt);
data(db = testdb1, table = EXAM1);
}
#conduct item scoring with the answer key
scoring{
data(db = mydb, table = exam1);
keys(4);
key1(options=(A,B,C,D), scores=(1,0,0,0), variables= (item1,item9,item12,item15,item19,item21,item22,item28,item29,item30,item34,item38,item42,item52,item55));
key2(options=(A,B,C,D), scores=(0,1,0,0), variables=(item4,item6,item16,item18,item24,item26,item32,item33,item35,item43,item44,item47,item50,item54));
key3(options=(A,B,C,D), scores=(0,0,1,0), variables=(item3,item5,item7,item11,item14,item20,item23,item25,item31,item40,item45,item48,item49,item53));
key4(options=(A,B,C,D), scores=(0,0,0,1), variables=(item2,item8,item10,item13,item17,item27,item36,item37,item39,item41,item46,item51,item56));
}
#Run a Rasch models analysis.
#Item parameters saved as database table named exam1_rasch_output
#Residuals saved as a databse table named exam1_rasch_resid
#Person estimates saved to original data table. Person estimate in variable called "theta"
rasch{
center(items);
missing(ignore);
person(rsave, pfit, psave);
item(isave);
adjust(0.3);
itemout(EXAM1_RASCH_OUTPUT);
residout(EXAM1_RASCH_RESID);
variables(item1, item2, item3, item4, item5, item6, item7, item8, item9, item10, item11, item12, item13, item14, item15, item16, item17, item18, item19, item20, item21, item22, item23, item24, item25, item26, item27, item28, item29, item30, item31, item32, item33, item34, item35, item36, item37, item38, item39, item40, item41, item42, item43, item44, item45, item46, item47, item48, item49, item50, item51, item52, item53, item54, item55, item56);
transform(scale = 1.0, precision = 4, intercept = 0.0);
gupdate(maxiter = 150, converge = 0.005);
data(db = testdb1, table = EXAM1);
}
#Export output table for use in another program like R
export{
delimiter(comma);
header(included);
options();
file(C:/EXAM1_RASCH_OUTPUT.txt);
data(db = testdb1, table = EXAM1_RASCH_OUTPUT);
}
ซอฟต์แวร์ยังอยู่ในช่วงเริ่มต้นของการพัฒนา ขณะนี้ฉันกำลังเพิ่มการวิเคราะห์ปัจจัยเชิงสำรวจและโมเดลการตอบกลับรายการขั้นสูงเพิ่มเติม แตกต่างจากโปรแกรม IRT อื่น ๆ อีกมากมาย jMetrik เป็นโอเพ่นซอร์ส ทุกขั้นตอนการวัดใช้ห้องสมุด psychometrics ซึ่งมีอยู่ในปัจจุบันบน GitHub, https://github.com/meyerjp3/psychometrics ยินดีต้อนรับทุกคนที่สนใจมีส่วนร่วม