武蔵野個別指導塾の特徴

武蔵野個別指導塾のこだわり

学力はどう測られているか——偏差値は「等化」ではない

学力はどう測られているか——項目反応理論と等化

「偏差値62」「共通テスト78%」「英検準1級」。

私たちは、学力を数字で受け取ることに慣れています。では——その数字は、どうやって作られているのでしょうか。

この記事は、連載で唯一、測定そのものを扱います。

一言でいうと（この記事の結論）
異なるテストの点数を比べるには「等化（equating）」という手続きが要ります。そしてそれには、厳しい条件があります。
「厳密な等化が可能なのは、比べる2つのテストが同じ一次元的な能力を測っているときだけ」——これは1981年から指摘されています [1]。
そして——学年をまたぐ学力テストは、おそらく一次元的ではありません [1]。
さらに受験者が問題を事前に知っていると、等化された得点は上振れします [12]。

結論を先に8点書きます。

  1. 比較には3つの水準があります——等化・較正・調整。要求される条件が違います [2]。
  2. 「厳密な等化が可能なのは、同じ一次元的能力を測るときだけ」 [1]。
  3. しかし学年をまたぐ学力テストは、おそらく一次元的ではありません [1]。
  4. それでも等化を試みる必要がある、というのが実務の立場です [1]。
  5. モデルが合わないと、等化の結果が変わります。どの方法を使うかで感度が違います [9]。
  6. 一次元性の仮定は「時に受け入れがたい」と、専門家自身が述べています [11]。
  7. 問題の事前知識は、等化された得点を大きく歪めます [12]。
  8. そして——国際学力調査の古いデータを再検証すると、すべての国で不変だった項目は1つもありませんでした [13]。

1. 2つのテスト理論

学力の測定には、大きく2つの枠組みがあります [3]。

古典的テスト理論（CTT） 項目反応理論（IRT）
基本の式 観測得点 = 真の得点 ＋ 誤差 正答確率 = 受験者の能力と項目の特性の関数
項目の難しさ 正答率（受験者集団に依存） 困難度パラメータ（集団から独立に推定）
受験者の能力 合計点（問題セットに依存） 能力パラメータ（問題セットから独立に推定）
別のテストとの比較 難しい 設計できる

一言でいうと（何が問題だったのか）
古典的テスト理論では、「問題の難しさ」が受験者集団によって変わります。優秀な集団が受ければ、同じ問題の正答率は上がります。
そして「受験者の能力」は、出題された問題セットによって変わります。易しいセットなら点は上がります。
——この循環を切るために作られたのが、項目反応理論です。

2021年の『Statistical Science』の総説は、IRTをこう位置づけています [4]。

「IRTモデルは、通常カテゴリカルな反応データを伴う一連の測定項目への回答における個人の行動を、分析・解釈・予測するために作られた潜在因子モデルである。測定に関する多くの重要な問い——個人のテスト成績の採点、テスト尺度の妥当化、2つのテストのリンク——が、IRTモデルを通じて直接または間接に答えられる」

2. 3つのパラメータ

IRTのモデルは、項目を最大3つの数値で表します [3]。

パラメータ 意味 実務での読み方
困難度（b） どれくらい難しいか 正答率50%になる能力水準
識別力（a） できる子とできない子をどれだけ区別できるか 低いと、能力に関係なく正答率が似る
当て推量（c） 能力が低くてもまぐれで当たる確率 選択式で問題になる

使うパラメータの数で、モデルの名前が変わります——1PL（困難度のみ）、2PL（＋識別力）、3PL（＋当て推量）。記述式のように部分点がある問題には段階反応モデルが使われます [3]。

一言でいうと（「識別力」が効いてきます）
8036の記事で、PISAの再分析が「2パラメータモデルを使うと国の順位が変わった」と報告していたのを覚えているでしょうか（PISA・TIMSSをどう読むか）。
あれは「識別力を国ごとに変えることを許した」ということです。
——どのモデルを選ぶかは、技術的な選択に見えて、結果を変えます。

IRTは、テストの作成と運用の全体を支えています [5]。測定用具の構成、測定のリンクと等化、テストの偏りと特異項目機能（DIF）の評価。さらに項目バンク、多重マトリクス標本抽出、コンピュータ適応型テストの基盤でもあります。

3. 等化——別の問題のテストを、比べられるようにする

ここからが本題です。

同じ試験でも、年度ごとに問題は変わります。模試も回ごとに違います。それでも「去年より上がった」と言えるのは、なぜでしょうか。

等化（equating）とは、異なるテスト版の得点を、比較可能で交換可能にする統計的手続きです [6]。

主な設計は2つです [7]。

  • 等質群設計（EG）——同等とみなせる2つの集団に、それぞれ別の版を受けさせる
  • 非等質群・共通項目設計（NEAT）——集団は違うが、共通のアンカー項目を両方の版に入れる

一言でいうと（アンカー項目という仕掛け）
去年と今年の受験者は違う集団です。だから点数をそのまま比べられません。
そこで、両方の年に同じ問題をいくつか混ぜておきます。その問題の出来を手がかりに、集団の差を推定する。
——これが等化の基本的な発想です。そして10節で見るとおり、この仕掛けには弱点があります。

4. 等化・較正・調整——どこまでなら比べられるか

この記事で最も実務に効く整理です。

2005年の実務向け論文（200引用）は、テストの比較を3つの水準に分けています [2]。

水準 条件 比べられるもの
等化（equating） 最も厳しい——同じ構成概念を測り、同等になるよう設計されている 同じ試験の別版
較正（calibration） 同じ構成概念を測るが、設計や難易度が違う 難易度の違うテスト
調整（moderation） 違う構成概念を測る ——

著者らは「等化はリンクの連続体の一方の端にあり、リンクされる評価と受験者集団のあいだに、最も厳格な同等性の要件を課す」と述べています。

一言でいうと（多くの比較は「等化」ではありません）
A社の模試とB社の模試は、等化されていません。構成概念も設計も違うからです。
中1の数学と中3の数学も、等化ではありません。測っている内容が違います。
——それでも数字は並びます。並ぶことと、比べられることは、別です。

5. 反証——学年をまたぐ等化は、理論的には成り立たない

この分野で最も重要な留保です。

1981年、『Journal of Educational Measurement』に掲載された研究（115引用）が、この問題を正面から扱っています [1]。

背景はこうです。学力テストの検査バッテリーは、学年ごとに異なる「水準」の版が作られます。そしてすべての版と水準が等化されていなければ、尺度は使い物になりません。

著者は、この分野の理論的な前提を引きます。

「等化の定義は、厳密な等化が可能なのは、等化される2つのテストが同じ一次元的な能力を測っているときだけであることを含意する。学年の範囲にわたって出会う能力を扱う学力テストは、おそらく一次元的ではない」

そして、実務の立場が続きます。

「しかしながら、得点尺度の有用性は、バッテリーが対象とするすべての水準にまたがっていなければ、著しく限定される。したがって、一次元性が成り立たない場合でも、水準をまたぐ等化を試みることが必要であるように見える」

一言でいうと（これは誠実な記述です）
「理論的には成り立たない。しかし実務上は必要だから、やる」——測定の専門家は、45年前からこう書いています。
——これは「いい加減」という意味ではありません。前提が満たされないことを明記したうえで、近似として使っているということです。
問題は、その但し書きが、数字が流通する過程で消えることです。

1989年の総説も、同じ論点を4つのカテゴリに整理しています [8]——等化結果の母集団不変性と標本選択／アンカー項目の性質／学年をまたぐ垂直等化／IRTの仮定違反への頑健性。

6. モデルが合わないと、どうなるか

5節の「仮定違反」を、実際に検証した研究があります。

2017年、記述式を含む混合形式のテストでモデル不適合の実務的な帰結をシミュレーションした研究です（30引用）[9]。

著者らの問題意識が率直です。

「IRTの不適合を検出する最良の方法については、一般的な合意が得られたことがない。しかし、おそらくより重要な指摘は、不適合の実務的な帰結に焦点を当てて評価している研究がまれであるということだ」

  • モデル不適合の重大な帰結の程度は、モデルの選択とIRT尺度化の方法によって変わった
  • 共通項目パラメータ固定（FCIP）法は、モデル不適合に最も敏感だった
  • 一方、能力の変動に対しては、モデル適合にかかわらず最も頑健だった
  • Stocking-Lord 法は、モデル不適合に最も鈍感だった

一言でいうと（方法の選択が、結果を変える）
どの尺度化方法を使うかで、モデルのずれに気づけるかどうかが変わります。
——鈍感な方法を使えば、問題は見えなくなります。それは「問題がない」という意味ではありません。

潜在変数の分布についても、同じ構造の問題があります。2026年の研究は「IRTの等化は、潜在変数が正規分布すると仮定して行われることが多い。しかし、すべての変数が正規分布で近似できるわけではない」と指摘し、分布の誤設定が等化に与える影響を検討しています [10]。

そして一次元性の仮定そのものについても、専門家の評価があります [11]。

「従来の一次元的IRT等化法は、時に受け入れがたい制約——ただ一つの能力だけが測定されているという制約——をデータに課す」

7. 等化の手法は、いまも改良されている

一言でいうと
5節・6節で見た限界は、放置されているわけではありません。
記述式を含む混合形式、多数の版の同時リンク、誤差の小さい推定——手法の開発が続いています [15][16][17]。
——ただし、どの手法にも前提があり、前提が外れたときの挙動が違います。

等化の統計的枠組みは、1冊の専門書にまとまる規模で発展してきました [18]。収録されている論点を並べるだけでも、この分野の広さが分かります。

  • データ収集の設計——どんな条件でデータを取れば等化できるか
  • 垂直リンクの統計モデル——5節の学年をまたぐ問題
  • 小標本での等化——受験者が少ないときにどうするか
  • 等化関数の平均の取り方——複数の推定をどう統合するか
  • 欠測データの仮定の評価
  • 時系列分析による「尺度のずれ（scale drift）」の検出

一言でいうと（尺度は、放っておくとずれる）
「尺度のずれ」という研究課題が存在すること自体が、重要な情報です。
——等化は一度やれば終わりではありません。版を重ねるたびに、わずかな誤差が蓄積します。その蓄積を検出するための手法が、別に必要になります。

記述式が混ざると、難しくなる

選択式と記述式が混在するテストの等化は、この分野の課題のひとつです。

2016年に『Psychometrika』へ掲載された研究は、IRT観測得点カーネル等化という手法を導入しました [15]。非等質群・共通項目設計（3節のNEAT）のもとで、2パラメータおよび3パラメータのロジスティックモデルを使い、シミュレーションと実データで検証しています。

結果は「検討したほとんどの条件で、小さな標準誤差と低い等化バイアスを提供する」というものでした。

2023年の比較研究は、より細かい所見を報告しています [17]。

  • IRTカーネル等化とIRT観測得点等化の差は、得点でも標準誤差でも最小限だった
  • IRTモデルによる事前平滑化は、対数線形の方法より小さい等化の標準誤差をもたらした
  • データがIRTモデルで生成された場合、IRTベースの方法のほうがバイアスが小さかった
  • しかし——データがIRTモデルを使わずに生成された場合は、対数線形カーネル等化のほうがバイアスが小さかった

一言でいうと（最後の1行が重要です）
IRTを前提に作ったデータでは、IRTの方法が勝ちます。
そうでないデータでは、負けます。
——「どの手法が優れているか」は、現実のデータがどのモデルに近いかに依存します。そしてそれは、事前には分かりません。

また、多数の版を同時にリンクする手法も提案されています [16]。従来の方法と違うのは、各版の項目パラメータ推定値の不均一分散と相関を考慮する点です。シミュレーションでは「現在文献で利用可能なものより効率的な等化係数の推定値」が得られたと報告されています。

8. 一人ひとりに違う問題を出す——適応型テスト

一言でいうと
IRTの最も実用的な応用が、コンピュータ適応型テスト（CAT）です。
正解したら難しい問題へ、間違えたら易しい問題へ。受験者ごとに出題が変わるのに、得点は比較できます [5]。
——これが可能なのは、1節で見た「項目の難しさを集団から独立に推定できる」という性質のおかげです。

IRTは、テストの実施設計そのものを変えました [5]。

  • 項目バンキング——多数の問題をパラメータつきで蓄積する
  • 多重マトリクス標本抽出——受験者ごとに一部の問題だけを出し、集団としての推定を行う
  • フレキシレベル・テスト——難易度の水準を柔軟に変える
  • コンピュータ適応型テスト——回答に応じて次の問題を選ぶ

英語の資格試験や、一部の学力調査で使われている方式です。

一言でいうと（保護者が知っておくとよい点）
適応型テストでは、受けた問題の「正答数」に意味がありません。
易しい問題ばかり出た受験者が8割正解しても、難しい問題が出た受験者の5割正解より低い評価になりえます。
——「何問できたか」を子どもに聞いても、情報になりません。これは適応型テストの欠陥ではなく、設計どおりの挙動です。

ただし、CATにも前提があります。項目バンクのパラメータが正確であること、そして6節で見た一次元性が成り立つことです [11]。そして9節で見るとおり、項目が漏れると推定が歪みます [12]。

9. 問題を知っていると、どうなるか

日本の受験文化に、直接関わる所見です。

テスト機関は、新しい問題を作る費用と手間のために、しばしば問題を再利用します [12]。そして、その問題を受験者の一部または全員が事前に知っている場合、何が起きるか。

2023年のシミュレーション研究の結果です [12]。

  • 項目の事前知識は、等化された得点とリンク係数に大きな影響を与えた
  • 集団間の平均能力の差、露出した項目の数、事前知識を持つ受験者の数が増えるほど、バイアスと誤差も増えた
  • IRT真値等化は、IRT観測得点等化より、バイアスと誤差が大きかった

著者の結論です。「項目の事前知識は、等化された得点を上振れさせる可能性があり、テスト得点の妥当性を危険にさらす」

一言でいうと（過去問という文化）
この研究が想定しているのは不正行為です。日本の「過去問演習」とは、状況が違います。
——ただし構造としては同じ問題に触れています。アンカー項目の出来が集団の能力を表さなくなると、等化そのものが歪みます。
だからテスト機関は、アンカー項目を公表しません。この非公開は、隠蔽ではなく測定の要件です。

10. 国際比較での検証

8036の記事で扱った論点を、測定の側から見ます。

2024年、1970年代と1980年代の国際理科教育調査（FISS・SISS）のデータを再検証した研究があります [13]。

  • 各教育システム「内部」では、得点は単一の理科の構成概念の信頼できる測度と見なせた——個別のシステムについては、得点解釈の妥当性が支持された
  • しかし——測定不変性は、システム間で侵害されていた
  • アラインメント法は、複雑な制約を持つ適合の良いモデルを同定した。ただし、すべてのシステムで不変性を示した項目は1つもなかった

著者らは「これらの結果は、FISSとSISSにおけるシステム間の得点比較の適切性に疑問を投げかける」と述べています。

一言でいうと（国内は妥当、国際比較は危うい）
同じデータが、使い方によって妥当にも不当にもなります。
「日本の中で、この子の理科の力を測る」——妥当。
「日本と他国を比べる」——前提が満たされていない。
——これがPISA・TIMSSの記事で見た論争の、測定側の姿です。

なお、PISA は2015年からリンク方法を変更しています [14]。利用可能な全データを用いた同時較正により、全群にわたる適合を最大化する項目パラメータを見つけ、群間の測定不変性を調べられるようにする方法です。著者らは「この方法は、強いリンクを提供するだけでなく、測定不変性を調べる道具としても有望である」と述べています。

11. 偏差値は、等化ではない

ここまでを踏まえて、日本で最も流通している数字を見ます。

偏差値は、その回のその試験を受けた集団の中での相対的な位置を示す数値です。平均を50、標準偏差を10に変換したもの——つまり標準得点の一種です。

4節の枠組みに当てはめると、次のことが言えます。

比較 成立するか 理由
同じ模試の中での順位 成立する 同じ問題・同じ集団
同じ模試の、別の回との比較 条件つき 受験者集団が変われば基準が動く
A社の模試とB社の模試 成立しない 4節の「等化」の要件を満たさない
中1のときと中3のときの偏差値 成立しない 5節のとおり、垂直等化は理論的に成り立たない

一言でいうと（母集団が動く）
偏差値が下がったとき、可能性は2つあります。
① 本人の学力が下がった ② 受験者集団が変わった。
——とくに学年が進むと、学力の低い層が受験をやめるため、同じ実力でも偏差値は下がります。
詳しくは偏差値をどう読むかで扱っています。

これは偏差値の欠陥ではありません。偏差値は「その集団の中での位置」を正確に示しています。問題は、それを「絶対的な学力」として読むことです。

12. 塾と家庭で、何が使えるか

ここからは、上の知見を当塾の実務に翻訳した部分です。研究が直接そう言っているわけではない箇所は、そう明示します。

(1) 違う会社の模試の偏差値を、並べない

4節・11節のとおり、等化の要件を満たしていません [2]。

(2) 学年をまたいだ偏差値の推移を、学力の推移と読まない

5節のとおり、垂直等化は理論的には成り立ちません [1]。

(3) 偏差値が下がったら、まず母集団を疑う

11節のとおりです。受験者層が変われば、同じ実力でも数字は動きます。

(4) 同じ模試の同じ回の中では、素直に読んでよい

11節のとおり、同一集団・同一問題の中での位置づけは、正確です。

(5) 識別力の低い問題での失点を、重く見ない

2節のとおり、識別力が低い問題は、能力に関係なく正答率が似ます [3]。これは当塾の実務判断です——多くの受験生が落とした問題は、その子の弱点を示していない可能性があります。

(6) 「妥当性」は、使い方ごとに問い直す

10節のとおり、同じ得点が、システム内では妥当で、システム間比較では妥当でありませんでした [13]。テストに妥当性があるのではなく、特定の使い方に妥当性があります。

(7) 適応型テストでは、正答数を聞かない

8節のとおり、受けた問題が人によって違うため、正答数に意味がありません [5]。これは当塾の実務判断です——英語の資格試験などで「何問できた?」と聞くのは、情報になりません。聞くなら「どの技能の、どの形式で詰まったか」です。

13. この記事で言えないこと

  • 「偏差値は無意味だ」とは言えません。同一集団内での位置づけとしては正確です。
  • 「等化は信用できない」とも言えません。前提を明記したうえでの近似として、実務で機能しています [1]。
  • 垂直等化の理論的な限界は、1981年の論文が示したものです [1]。その後の技術的進展は、この記事では扱えていません。
  • 多次元IRT（MIRT）による等化は、一次元性の制約を緩める試みですが、研究の蓄積はまだ限られています [11]。
  • 事前知識の研究は、シミュレーションです [12]。実データでの検証ではありません。
  • 日本の各種模試が、どの等化手法を用いているかを、当塾は把握していません。
  • この記事は測定の枠組みを扱っており、個別のテストの品質を評価するものではありません。
  • 12節の運用は当塾の実務判断です。

当塾の立場

先に、この記事が当塾にとって不都合な部分を書きます。

塾は、偏差値の上昇を成果として売ります。「入塾時から偏差値10アップ」。これほど分かりやすい実績はありません。

しかし——11節のとおり、偏差値は母集団が動けば動きます。そして5節のとおり、学年をまたぐ比較は理論的に成り立ちません。

「中1の偏差値50が、中3で60になりました」という表示は、測定理論の観点からは、意味を確定できない数字です。当塾も、この形式で実績を示してきました。

そしてこの記事自体が、当塾にとって不利な知識を配っています。保護者が母集団の変化を確認するようになれば、塾が示せる「成果」は目減りします。それでも書いたのは、数字の作られ方を知らないまま数字で判断することのほうが、害が大きいと考えるからです。

もう一点。偏差値が最も上がりやすいのは、受験者層が広い時期です。学年が進むほど上位層が残るため、同じ努力でも数字は伸びにくくなります。塾にとって都合の良い時期と、数字が動きやすい時期は、一致します。

この記事の内容は、塾に来なくても実行できます

家庭でできることを書きます。費用はかかりません。

  • 模試の偏差値は、同じ会社・同じ模試の中だけで追う——他社と並べない
  • 偏差値が動いたら、受験者数と受験者層の説明を探す——たいてい資料に書いてあります
  • 「何点取れたか」ではなく「どの単元ができなかったか」を見る——こちらは母集団に依存しません
  • 多くの受験生が落とした問題の失点を、重く見ない——弱点を示していない可能性があります
  • 学年をまたぐ比較には、偏差値ではなく「できるようになったこと」を使う
  • そして——資格試験など適応型の試験では、正答数を聞かない。受けた問題が人によって違うため、情報になりません

これを読んで、塾に通わずに実行する方がいるなら、それでいいと考えています。自分で回せる家庭が月謝を払う必要はありません。

それでも塾に通いたい方へ

塾に通いたい、通わせたいという方には、武蔵野個別指導塾を勧めます。理由を3つ書きます。

  1. 学年をまたぐ偏差値の上昇を、実績として掲げないこと。上に書いたとおりです。「中1から中3で偏差値10アップ」は、塾が最も作りやすく、測定理論的には意味を確定できない数字です。当塾は、今後この形式を使いません。
  2. 母集団の変化を、必ず添えること。11節のとおりです。偏差値が下がったとき「頑張りが足りない」と言う前に、受験者層を確認します。
  3. 単元ごとの到達で報告すること。12節のとおり、「どの単元ができるようになったか」は母集団に依存しません。当塾が保護者に報告するのは、こちらを主にします。

塾を検討する際は、次のように聞いてみてください。

  • その「偏差値アップ」は、同じ模試の同じ時期どうしの比較ですか
  • 受験者数と受験者層は、どう変わりましたか
  • 偏差値以外で、うちの子の伸びをどう説明できますか

当塾がお答えできるようにしておくのが、こちらの仕事だと考えています。

まとめ

  1. 古典的テスト理論では、項目の難しさは集団に依存し、受験者の能力は問題セットに依存する。IRTはこの循環を切るために作られた [3]。
  2. IRTは項目を最大3つのパラメータで表す——困難度・識別力・当て推量 [3]。
  3. 比較には3水準ある——等化・較正・調整。等化が最も厳しい条件を課す [2]。
  4. 「厳密な等化が可能なのは、同じ一次元的能力を測るときだけ」 [1]。
  5. しかし学年をまたぐ学力テストは、おそらく一次元的ではない [1]。
  6. それでも等化を試みることが必要、というのが実務の立場である [1]。
  7. モデル不適合の帰結は、どの尺度化方法を使うかで変わる。鈍感な方法では問題が見えない [9]。
  8. 一次元性の仮定は「時に受け入れがたい」 [11]。
  9. 問題の事前知識は、等化された得点を上振れさせる [12]。
  10. 国際調査の再検証——システム内では妥当、システム間では測定不変性が侵害されていた [13]。
  11. すべてのシステムで不変性を示した項目は、1つもなかった [13]。
  12. 偏差値は等化ではない。その回のその集団の中での位置を示す標準得点である。
  13. そして——テストに妥当性があるのではなく、特定の使い方に妥当性がある [13]。
  14. 適応型テストでは、受けた問題が人によって違うため、正答数に意味がない [5]。
  15. 等化の手法は改良が続いている。ただし「どの手法が優れているか」は、現実のデータがどのモデルに近いかに依存し、それは事前には分からない [17]。

出典

本文中の番号に対応します。抄録に直接あたって確認したものだけを挙げています。結論に反する研究も、同じ基準で載せています。

  1. 【垂直等化の理論的限界】Kolen, M. J. (1981). Comparison of Traditional and Item Response Theory Methods for Equating Tests. Journal of Educational Measurement. DOI: 10.1111/j.1745-3984.1981.tb00838.x
  2. 【リンクの連続体】Yu, C. H. & Osborn Popp, S. E. (2005). Test Equating by Common Items and Common Subjects: Concepts and Applications. Practical Assessment, Research and Evaluation. DOI: 10.7275/68dy-z131
  3. Himelfarb, I. (2019). A primer on standardized testing: History, measurement, classical test theory, item response theory, and equating. The Journal of Chiropractic Education. DOI: 10.7899/jce-18-22
  4. Chen, Y. et al. (2021). Item Response Theory—A Statistical Framework for Educational and Psychological Measurement. Statistical Science. DOI: 10.1214/23-sts896
  5. Glas, C. A. W. (2014). Item response theory in educational assessment and evaluation. Mesure et évaluation en éducation. DOI: 10.7202/1025005ar
  6. Hori, K. et al. (2020). Item response theory and its applications in educational measurement Part II: Theory and practices of test equating in item response theory. WIREs Computational Statistics. DOI: 10.1002/wics.1543
  7. Hori, K. et al. (2020). Item response theory and its applications in educational measurement Part I: Item response theory and its implementation in R. WIREs Computational Statistics. DOI: 10.1002/wics.1531
  8. Cook, L. L. & Eignor, D. R. (1989). Using item response theory in test score equating. International Journal of Educational Research. DOI: 10.1016/0883-0355(89)90004-9
  9. 【不適合の実務的帰結】Zhao, Y. & Hambleton, R. K. (2017). Practical Consequences of Item Response Theory Model Misfit in the Context of Test Equating with Mixed-Format Test Data. Frontiers in Psychology. DOI: 10.3389/fpsyg.2017.00484
  10. Kim, K. Y. et al. (2026). The Impact of Latent Density Misspecification on Item Response Theory Equating Methods. Applied Psychological Measurement. DOI: 10.1177/01466216261425440
  11. 【一次元性の制約】Kim, S. (2022). Digital Module 29: Multidimensional Item Response Theory Equating. Educational Measurement: Issues and Practice. DOI: 10.1111/emip.12525
  12. 【事前知識の影響】Cohen, A. S. (2023). The Impact of Item Preknowledge on Scaling and Equating: Item Response Theory True and Observed Score Equating Methods. Journal of Measurement and Evaluation in Education and Psychology. DOI: 10.21031/epod.1199296
  13. 【測定不変性の侵害】Sosa Paredes, Y. K. et al. (2024). Validity of test score interpretations and cross-cultural comparisons in the First and Second International Science Studies. Educational Assessment, Evaluation and Accountability. DOI: 10.1007/s11092-024-09444-7
  14. von Davier, M. et al. (2019). Evaluating item response theory linking and model fit for data from PISA 2000–2012. Assessment in Education. DOI: 10.1080/0969594x.2019.1586642
  15. Andersson, B. & Wiberg, M. (2016). Item Response Theory Observed-Score Kernel Equating. Psychometrika. DOI: 10.1007/s11336-016-9528-7
  16. Battauz, M. & Leoncio, W. (2023). A Likelihood Approach to Item Response Theory Equating of Multiple Forms. Applied Psychological Measurement. DOI: 10.1177/01466216231151702
  17. Wallmark, J. et al. (2023). Efficiency Analysis of Item Response Theory Kernel Equating for Mixed-Format Tests. Applied Psychological Measurement. DOI: 10.1177/01466216231209757
  18. Holland, P. W. & von Davier, A. A. (eds.) (2010). Statistical Models for Test Equating, Scaling, and Linking. Springer. DOI: 10.1007/978-0-387-98138-3

教育学・認知心理学・社会心理学・行動経済学・教育経済学の研究をもとにした連載です。

武蔵野個別指導塾の特徴の関連記事

author avatar
ryomiyagawa Founder
早稲田大学大学院文学研究科哲学専攻修士号修了、同大学大学院同専攻博士課程中退。日本倫理学会員 早稲田大学大学院文学研究科にてカント哲学を専攻する傍ら、精神分析学、スポーツ科学、文学、心理学など幅広く研究に携わっている。
See Full Bio
social network icon

関連記事

PAGE TOP
お電話