Seducation @andreymelnichenko - Tumblr Blog

Программа к вступительным

Методы изучения образования

Вводное занятие.

19.01.2016 Сходства и различия

Возможности и

ограничения онлайн

исследований

традиционных и онлайн

исследований

26.01.2016 Онлайн-опрос как

метод исследования.

Особенности

конструирования

выборки в онлайн-

опросах

02.02.2016 Проблема отклика на

онлайн-опрос и способы

ее решения.

Особенности дизайна

анкеты в онлайн-

опросах

Найти информацию об исследованиях, проводимых с

применением онлайн методов сбора данных в текущий момент

(онлайн-анкеты, приглашения к участию в онлайн фокус-группах

и др.)

Прочитать:

Девятко И.Ф. Инструментарий онлайн-исследований: попытка

каталогизации // В кн.: Онлайн исследования в России 3.0 / Отв.

ред.: И. Ф. Девятко, А. В. Шашкин, С. Г. Давыдов; науч. ред.: И. Ф.

Девятко. М. : OMI RUSSIA, 2012. С. 17-30.

Прочитать:

Couper M.P. Web Surveys: A Review of Issues and Approaches // The

Public Opinion Quarterly . Vol. 64. No. 4. P. 464-494.

Моисеев С., Савинкова Ю. Выборка, направляемая респондентом, в

онлайн-опросе: к вопросу о динамике и качестве // Мониторинг

общественного мнения: экономические и социальные перемены.

2014. № 6(124). С.42-50.

Прочитать:

Мавлетова А.М., Малошонок Н.Г., Терентьев Е.А. (2014) Влияние

элементов приглашения на увеличение доли откликов в онлайн-

опросах // Социология 4М. С. 72–95.

Некрасов С.И. Сравнение результатов онлайн- и оффлайн- опросов

(на примере анкет разной сложности) // Социология: 4М. 2011. №

32. С. 53-74.

Малошонок Н. Г., Терентьев Е. А. Влияние дизайна анкеты на

качество данных в онлайн-опросах студентов // Мониторинг

общественного мнения: экономические и социальные перемены.

Институт Образования НИУ ВШЭ http://ioe.hse.ru

2014. № 6(124). С. 15-27.

Дедлайн: утверждение тем индивидуальных письменных

работ

09.02.2016 Мобильные опросы Прочитать:

16.02.2016 Качественные онлайн-

исследования

Мавлетова А. М. Мобильные веб-опросы // В кн.: Онлайн

исследования в России 3.0 / Отв. ред.: И. Ф. Девятко, А. В. Шашкин,

С. Г. Давыдов; науч. ред.: И. Ф. Девятко. М. : OMI RUSSIA, 2012. С. 59-

85.

Прочитать:

Дим П. Качественные онлайн исследования // Онлайн

исследования в России 2.0 (2010)/ Под ред. Шашкина А.В., Девятко

И.Ф., Давыдова С.Г. – М.: РИЦ «Северо-Восток».

Савчук Д. Меняющийся ландшафт качественных онлайн-

исследований // В кн.: Онлайн исследования в России 3.0 / Отв.

ред.: И. Ф. Девятко, А. В. Шашкин, С. Г. Давыдов; науч. ред.: И. Ф.

Девятко. М. : OMI RUSSIA, 2012. С. 159-162.

Распределение по группам для выполнения командной

работы

23.02.2016 Онлайн фокус-группы Прочитать

01.03.2016 Международные

стандарты проведения

онлайн-исследований.

Шашкин А.В. Фокус группы онлайн: новые технологии

маркетинговых исследований

Лебедев П.А. Метод онлайновых фокус-групп как

исследовательский инструмент // Социология: 4М. 2010. № 31. С.

92-114.

Дедлайн: сдать индивидуальные письменные работы

Посмотреть следующие материалы:

1. Стандарты ESOMAR (European Society for Opinion and

Marketing Research) – европейской ассоциации

исследователей рынка:

http://www.esomar.org/uploads/public/knowledge-and-

standards/codes-and-guidelines/ESOMAR_Guideline-for-online-

research.pdf).

2. Стандарт AAPOR (American Association for Public Opinion

Research) – ведущей американской ассоциации,

объединяющей экспертов в области опросов общественного

мнения:

http://www.aapor.org/AM/Template.cfm?Section=AAPOR_Comm

ittee_and_Task_Force_Reports&Template=/CM/ContentDisplay.cf

m&ContentID=2223.

3. Стандарт CASRO (Council of American Survey Research

Organization): “Code of Standards and Ethics for Survey

Research”, в котором отдельно описываются стандарты

проведения исследований в Интернете

(http://www.casro.org/pdfs/10CodeOfStandards.pdf).

Институт Образования НИУ ВШЭ http://ioe.hse.ru

Дедлайн: сдать рецензию на индивидуальную

письменную работу одногруппника

15.03.2016 Онлайн-панели Прочитать:

22.03.2016 Геймификация в онлайн

исследованиях

Шашкин А. Влияние заинтересованности панелистов на качество

данных: результаты исследования удовлетворенности

участников онлайн панели Anketka.ru // Онлайн исследования в

России 2.0 (2010)/ Под ред. Шашкина А.В., Девятко И.Ф., Давыдова

С.Г. – М.: РИЦ «Северо-Восток».

Прочитать:

Пулестон Дж. Онлайн исследование – Начать игру! // В кн.:

Онлайн исследования в России 3.0 / Отв. ред.: И. Ф. Девятко, А. В.

Шашкин, С. Г. Давыдов; науч. ред.: И. Ф. Девятко. М. : OMI RUSSIA,

2012. С. 32-57.

5. СПИСОК ОБЯЗАТЕЛЬНОЙ ЛИТЕРАТУРЫ

Couper M.P. Web Surveys: A Review of Issues and Approaches // The Public Opinion Quarterly . Vol. 64. No. 4. P.

464-494.

Девятко И.Ф. Инструментарий онлайн-исследований: попытка каталогизации // В кн.: Онлайн

исследования в России 3.0 / Отв. ред.: И. Ф. Девятко, А. В. Шашкин, С. Г. Давыдов; науч. ред.: И. Ф. Девятко.

М. : OMI RUSSIA, 2012. С. 17-30.

Дим П. Качественные онлайн исследования // Онлайн исследования в России 2.0 (2010)/ Под ред.

Шашкина А.В., Девятко И.Ф., Давыдова С.Г. – М.: РИЦ «Северо-Восток».

Лебедев П.А. Метод онлайновых фокус-групп как исследовательский инструмент // Социология: 4М. 2010.

№ 31. С. 92-114.

Мавлетова А.М., Малошонок Н.Г., Терентьев Е.А. (2014) Влияние элементов приглашения на увеличение

доли откликов в онлайн-опросах // Социология 4М. С. 72–95.

Малошонок Н. Г., Терентьев Е. А. Влияние дизайна анкеты на качество данных в онлайн-опросах студентов

// Мониторинг общественного мнения: экономические и социальные перемены. 2014. № 6(124). С. 15-27.

Некрасов С.И. Сравнение результатов онлайн- и оффлайн- опросов (на примере анкет разной сложности)

// Социология: 4М. 2011. № 32. С. 53-74.

Пулестон Дж. Онлайн исследование – Начать игру! // В кн.: Онлайн исследования в России 3.0 / Отв. ред.: И.

Ф. Девятко, А. В. Шашкин, С. Г. Давыдов; науч. ред.: И. Ф. Девятко. М. : OMI RUSSIA, 2012. С. 32-57.

Институт Образования НИУ ВШЭ http://ioe.hse.ru

Савчук Д. Меняющийся ландшафт качественных онлайн-исследований // В кн.: Онлайн исследования в

России 3.0 / Отв. ред.: И. Ф. Девятко, А. В. Шашкин, С. Г. Давыдов; науч. ред.: И. Ф. Девятко. М. : OMI RUSSIA,

2012. С. 159-162.

Шашкин А.В. Фокус группы онлайн: новые технологии маркетинговых исследований // МаркетингPRO,

№1, 2006.

Шашкин А. Влияние заинтересованности панелистов на качество данных: результаты исследования

удовлетворенности участников онлайн панели Anketka.ru // Онлайн исследования в России 2.0 (2010)/

Под ред. Шашкина А.В., Девятко И.Ф., Давыдова С.Г. – М.: РИЦ «Северо-Восток».

6. СПИСОК ДОПОЛНИТЕЛЬНОЙ ЛИТЕРАТУРЫ

Couper M., Miller P. (2008) Web Survey Methods: Introduction // The Public Opinion Quarterly. Vol. 72. No. 72. P.

831-835.

Couper M., Conrad F., Tourangeau R. (2007) Visual Context Effects in Web Surveys // Public Opinion Quarterly. Vol.

71. No 4. P. 623-634.

Couper M. Technology trends in survey data collection// Social Science Computer Review. 2005. Vol. 23. No. 4. P.

486-501.

Couper M., Kapteyn A., Schonlau M., Winter J. Noncoverage and nonresponse in an Internet survey // Social Science

Research. 2007. No. 36. P. 131-148.

Couper M., Tourangeau R., Conrad F., Singer E. Evaluating the effectiveness of visual analog scales: A web

experiment // Social Science Computer Review. 2006. Vol. 24. No. 2. P. 227-245.

Couper M., Tourangeau R., Kenyon K. Picture this! Exploring visual effects in web surveys // Public Opinion

Quarterly. 2007. Vol. 68. No. 2. P. 255-266.

Groves R. M., Cialdini R. B., Couper M. P. “Understanding the Decision to Participate in a Survey”, Public Opinion

Quarterly, 1992, 56 (4), 475–495.

Heerwegh D., Loosveldt G. “An Experimental Study on the Effects of Personalization, Survey Length Statements,

Progress Indicators, and Survey Sponsor Logos in Web Surveys”, Journal of Official Statistics, 2006, 22 (2),

191–210.

Heerwegh D. “Effects of Personal Salutations in E-mail Invitations to Participate in a Web Survey”, Public Opinion

Quarterly, 2005, 69 (4), 588–598.

Marcus B., Bosnjak M., Lindner S., Pilischenko S., Schütz A. “Compensating for Low Topic Interest and Long Surveys.

A Field Experiment on Nonresponse in Web Surveys”, Social Science Computer Review, 2007, 25 (3), 372–383.

Mavletova A. M. Web Surveys Among Children and Adolescents: Is There a Gamification Effect? // Social Science

Computer Review. 2015. Vol. 33. No. 3.

Mavletova A. M., Devyatko I. F., Maloshonok N. Invitation Design Elements in Web Surveys – Can One Ignore

Interactions? // Bulletin of Sociological Methodology. 2014. Vol. 123. No. 1. P. 68-79.

Mavletova A. M., Couper M. P. Mobile Web Survey Design: Scrolling versus Paging, SMS versus E-mail Invitations //

Journal of Survey Statistics and Methodology. 2014. Vol. 2. No. 4. P. 498-518.

Mavletova A. M. Data Quality in PC and Mobile Web Surveys // Social Science Computer Review. 2013. Vol. 31. No.

6. P. 725-743.

Mavletova A. M., Couper M. P. Sensitive Topics in PC Web and Mobile Web Surveys: Is There a Difference? // Survey

Research Methods. 2013. Vol. 7. No. 3. P. 191-205.

Manfreda K. L., Bosnjak M., Berzelak J., Haas I., Vehovar V. “Web Surveys Versus Other Survey Modes: A Meta-

Analysis Comparing Response Rates”, Journal of the Market Research Society, 2008, 50 (1), 79–104.

Ganassali S. The influence of the design of web survey questionnaires on the quality of responses // Survey

Research Methods. 2008. Vol. 2. No. 1. P. 21-32.

Kaplowitz M.D., Hadlock T.D., Levine R. A comparison of web and mail survey response rates // Public Opinion

Quarterly. 2004. Vol. 68. No. 1. P. 94-101.

Sanchez-Fernandez J., Munoz-Leiva F., Montoro-Rios J. “Improving Retention Rate and Response Quality in Web-

Based Surveys”, Computers in Human Behavior, 2012, 28 (2), 507–514.

Shih T. H., Fan X. “Comparing Response Rates from Web and Mail Surveys: A Meta-Analysis”, Field Methods, 2008,

20 (3), 249–271.

Tourangeau R., Couper M., Conrad F. Spacing, position, and order // Public Opinion Quarterly. 2004. Vol. 68. No. 3.

P. 368-393.

Институт Образования НИУ ВШЭ http://ioe.hse.ru

Trouteaud A. R. “How You Ask Counts A Test of Internet-Related Components of Response Rates to a Web-Based

Survey”, Social Science Computer Review, 2004, 22 (3), 385–392.

Колозариди П.В. Видеоинтервью с помощью онлайн-приложений: методический опыт // Социология: 4М.

2014. № 38. С. 96–127

Малошонок Н. Г., Терентьев Е. А. Эффект визуализации и формата оценочных шкал в онлайн-опросах

студентов // Universitas. Журнал о жизни университетов. 2013. Т. 1. № 2. С. 20-44.

Онлайн исследования в России 3.0 (2012)/ Под ред. Шашкина А.В., Девятко И.Ф., Давыдова С.Г. – М.:

Издательский дом «Кодекс».

Онлайн исследования в России 2.0 (2010)/ Под ред. Шашкина А.В., Девятко И.Ф., Давыдова С.Г. – М.: РИЦ

«Северо-Восток».

Онлайн исследования в России: тенденции и перспективы (2006)/Под ред. Шашкина А.В. и Поздняковой

М.Е. – М.: Изд-во Института социологии РАН.

Методы научного исследования

Основы психометрии

Раздел 1. Классическая теория тестирования.

Тема 1. Основы классической теории тестирования.

Предпосылки классической теории тестирования (КТТ). Структура наблюдаемого тестового балла. Определение истинного тестового балла. Определение ошибки измерения.

Основные уравнения КТТ.

Концепция надежности в КТТ. Процедуры и методы вычисления надежности результатов тестирования (формула Кронбаха; формула Кьюдера-Ричардсона; формула Спирмена-Брауна). Вычисление ошибки измерения истинного тестового балла. Построение доверительных интервалов для исходных тестовых баллов. Оценивание надежности в

критериально-ориентированном тестировании.

Концепция валидности в КТТ. Виды валидности. Процедуры исследования валидности

теста.

Основная литература:

1. Крокер Л., Алгина Дж. Введение в классическую и современную теорию

тестов. Москва: Издательская группа "Логос", 2010. Гл.6,7,9,10.

Дополнительная литература:

1. Lord, Fr.M. Applications of Item Response Theory to Practical Test Problems. New

Jersey.: Lawrence Erlbaum Associates, Publishers, 1980. Гл. 1.

2. Аванесов В.С. Композиция тестовых заданий. М.: Центр тестирования, 2002. Гл. 11.

3. Челышкова М.Б. Теория и практика конструирования педагогических тестов. М.:

Логос, 2002. Гл. 5.

4. Novick M. R. The axioms and principal results of classical test theory // Journal of

Mathematical Psychology. 1966. No.3. P.1-18.

5. Traub R., Hambleton R. K. The effect of scoring instructions and degree of speededness on

the validity and reliability of multiple-choice tests // Educational and Psychological Measurement.

1972. No.32. P.737-758.

6. Traub R., Hambleton R. K., Singh, B. Effects of promised reward and threatened penalty on

performance of a multiple choice vocabulary test // Educational and Psychological Measurement.

1969. No.29. P.847-861.

7. Li H. The resolution of some paradoxes related to reliability and validity // Journal of

Educational and Behavioral Statistics. 2003. Vol.28(2). P.89-95.

8. Kane M.T. Current Concerns in Validity Theory // Journal of Educational Measurement.

2001. Vol.38(4). P.319-342.

Тема семинара:

Оценивание надежности и исследование валидности теста в КТТ.

Тема 2. Анализ тестовых заданий в рамках классической теории тестирования.

Характеристики тестовых заданий в КТТ. Оценивание трудности, дифференцирующей

способности и валидности задания. Интерпретация значений параметров. Компьютерные

программы оценивания параметров в рамках КТТ.

Основная литература:

1. Крокер Л., Алгина Дж. Введение в классическую и современную теорию тестов.

Москва: Издательская группа "Логос", 2010. Гл. 14.

Дополнительная литература:

1. Аванесов В.С. Композиция тестовых заданий. М.: Центр тестирования, 2002. Гл. 11.

2. Челышкова М.Б. Теория и практика конструирования педагогических тестов. М.:

Логос, 2002. Глава 5.

3. Millman J., Greene J. The specification and development of tests of achievement and ability

// Educational measurement / Ed. R. L. Linn. New York: Macmillan, 1989. P. 335-366.

Тема семинара:

Анализ тестовых заданий в рамках КТТ.

Тема 3. Шкалирование и интерпретация результатов тестирования.

Представление результатов тестирования. Нормирование и шкалирование результатов

тестирования. z-шкала и шкалы, полученные ее преобразованием. Шкала процентилей.

Назначение проходного балла. Методы выравнивания результатов в КТТ.

Недостатки классической теории тестирования.

Основная литература:

1. Крокер Л., Алгина Дж. Введение в классическую и современную теорию

тестов. Москва: Издательская группа "Логос", 2010. Гл.17-20.

2. Hambleton R.K., Swaminathan H., Rogers H.J. Fundamentals of Item Response Theory

(Measurement Methods for the Social Science). Sage Publications, Inc., 1991. Гл. 1.

Дополнительная литература:

1. Lord Fr. M. Applications of Item Response Theory to Practical Test Problems. New

Jersey: Lawrence Erlbaum Associates, Publishers, 1980. Гл. 1.

2. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации

педагогических тестов. М.: Прометей, 2000. Гл. 6

3. Челышкова М.Б. Теория и практика конструирования педагогических тестов. М.:

Логос, 2002. Гл. 7.

4. Карданова Е.Ю. Преимущества современной теории тестирования по сравнению с

классической теорией тестирования // Вопросы тестирования в образовании. 2004. № 10. С.7-

34.

5. Kolen. M.J. Traditional equating methodology // Educational Measurement: Issues and

Practice. 1988. No. 7. P. 29-36.

6. Peterson N. S., Kolen M. J., Hoover H. D. Scaling, norming, and equating // Educational

measurement / Ed. R. L. Linn. New York: Macmillan, 1989. P. 221-262.

7. Traub R. E. Classical test theory in historical perspective // Educational Measurement:

Issues and Practice. 1997. No.16. P. 8-14.

8. Allalouf A., Hambleton R.K., Sireci S.G. Identifying the causes of DIF in translated verbal

items // Journal of Educational Measurement. 1999. Vol.36 (3). P. 185-198.

9. Hambleton R.K. Setting performance standards on educational assessments and criteria for

evaluating the process // Setting performance standards: Concepts, methods, and perspectives / Ed.

G. Cizek. Mahwah, NJ: Erlbaum Publishers, 2001. P. 89-116.

10. Hambleton R.K., Jaeger, R.M., Plake, B.S., Mills C. Setting performance standards on

complex educational assessments // Applied Psychological Measurement. 2000. No.24. P. 355-366.

11. Linn R.L. Linking results of distinct assessments // Applied Measurement in Education.

1993. No. 6. P. 83-102.

Тема семинара:

Шкалирование результатов тестирования в рамках КТТ.

Раздел 2. Основы Item Response Theory.

Тема 4. Принципы измерения латентных переменных в рамках IRT.

Принципы измерения латентных переменных в рамках IRT и их применение для

конкретных задач измерений в образовании и психологии. Преимущества IRT по сравнению

с классической теорией тестирования. История развития IRT. Основные предположения IRT.

Характеристическая кривая задания.

Основная литература:

1. Крокер Л., Алгина Дж. Введение в классическую и современную теорию

тестов. Москва: Издательская группа "Логос", 2010. Гл.15.

2. Embretson S.E., Reise, S.P. Item Response Theory for Psychologists. New Jersey:

Lawrence Erlbaum Associates, Publishers, 2000. Гл. 2-3.

3. Hambleton R.K., Swaminathan H., Rogers H.J. Fundamentals of Item Response

Theory (Measurement Methods for the Social Science). Sage Publications, Inc., 1991. Гл. 2.

Дополнительная литература:

1. Bond Tr.G., Fox C.M. Applying the Rasch Model: Fundamental Measurement in the

Human Sciences. New Jersey: Lawrence Erlbaum Associates, Inc., Publishers, 2008. Гл. 1-3.

2. Lord Fr.M. Applications of Item Response Theory to Practical Test Problems. New

Jersey: Lawrence Erlbaum Associates, Publishers, 1980. Гл. 2-3.

3. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации

педагогических тестов.М.: Прометей, 2000. Гл. 1.

4. Hambleton R.K., Jones R.W. Comparison of classical theory and item response theory and

their applications to test development // Educational Measurement: Issues and Practice. 1993. No.12.

P. 38-47.

Тема семинара:

Преимущества IRT и ее особенности по сравнению с КТТ.

Тема 5. Основные математические модели IRT.

Дихотомические модели IRT: однопараметрическая модель (дихотомическая модель

Раша); двух- и трехпараметрические модели Бирнбаума. Политомические модели IRT: Partial

Credit Model, Rating Scale Model, generalized Partial Credit Model. Другие модели IRT.

Простейшие свойства моделей. Параметры моделей и их интерпретация. Области

применения различных моделей. Сравнение моделей и их свойств. Выбор модели измерения.

Обоснование полезных свойств и преимуществ IRT по сравнению с классической

теорией тестирования.

Основная литература:

1. Embretson S.E., Reise S.P. Item Response Theory for Psychologists. New Jersey:

Lawrence Erlbaum Associates, Publishers, 2000. Гл. 4-5.

2. Hambleton R.K., Swaminathan H., Rogers H.J. Fundamentals of Item Response

Theory (Measurement Methods for the Social Science). Sage Publications, Inc., 1991. Гл. 2.

Дополнительная литература:

1. Hambleton R.K., Swaminathan H. Item Response Theory: Principles and

Applications. (Evaluation in Education and Human Services). CA: Sage, 1990. Гл. 3.

2. Baker F.B. The basics of Item Response Theory. ERIC Clearinghouse on Assessment

and Evaluation, 2001. Гл. 2.

3. Bond Tr.G., Fox C.M. Applying the Rasch Model: Fundamental Measurement in the

Human Sciences. New Jersey.: Lawrence Erlbaum Associates, Inc., Publishers, 2008. Гл. 7.

4. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации

педагогических тестов. М.: Прометей, 2000. Гл. 1.

5. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. М.: Федеральный центр тестирования, 2008. Гл. 1-2.

6. Карданова Е.Ю., Нейман Ю.М. Основные модели современной теории тестирования

// Вопросы тестирования в образовании. 2003. № 7. С.12-37.

7. Карданова Е.Ю. Преимущества современной теории тестирования по сравнению с

классической теорией тестирования // Вопросы тестирования в образовании. 2004. № 10. С.7-

34.

8. Traub R.E. A priori considerations in choosing an item response model // Applications of

item response theory / Ed. Hambleton R.K. Vancouver, BC: Educational Research Institute of

British Columbia, 1983. P. 57-70

9. Keller L. Item response theory (IRT) models for polytomous response data // Encyclopedia

of statistics in behavioral sciences / Eds. Everitt B.S., Howell D.C. West Sussex, England: John

Wiley & Sons, 2005. P. 990-1003.

Тема семинара:

Основные математические модели IRT: свойства, области применения, сравнение,

выбор.

Тема 6. Методы оценивания параметров моделей.

Свойства оценок. Различные методы оценивания параметров. Метод максимального

правдоподобия и его вариации. Оценивание мер испытуемых. Оценивание параметров

заданий. Оценивание ошибки измерения.

Сравнение различных методов оценивания параметров. Компьютерные программы

оценивания параметров IRT моделей.

Основная литература:

1. Hambleton R.K., Swaminathan H., Rogers H.J. Fundamentals of Item Response Theory

(Measurement Methods for the Social Science). Sage Publications, Inc, 1991. Гл. 3.

2. Embretson S.E., Reise S.P. Item Response Theory for Psychologists. New Jersey:

Lawrence Erlbaum Associates, Publishers, 2000. Гл. 7-8, 13.

Дополнительная литература:

1. Hambleton R.K., Swaminathan H. Item Response Theory: Principles and

Applications. (Evaluation in Education and Human Services). CA: Sage, 1990. Гл. 4-5,7.

2. Baker F.B. The basics of Item Response Theory. ERIC Clearinghouse on Assessment

and Evaluation, 2001. Гл. 3, 5.

3. Lord Fr.M. Applications of Item Response Theory to Practical Test Problems. New

Jersey: Lawrence Erlbaum Associates, Publishers, 1980. Гл. 4.

4. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации

педагогических тестов. М.: Прометей, 2000. Гл. 2-3.

5. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. М.: Федеральный центр тестирования, 2008. Гл. 2.

6. Smith R.M. Rasch Measurement Models: Interpreting Winsteps/Bigsteps and Facets

Output. Maple Grove, Minnesota: JAM Press, 1999.

Тема семинара:

Оценивание параметров заданий и мер испытуемых.

Тема 7. Оценивание адекватности эмпирических данных модели измерения.

Проверка основных предположений IRT и свойств IRT моделей (одномерность,

локальная независимость, инвариантность оценок испытуемых относительно различных

групп заданий, инвариантность оценок параметров заданий относительно различных групп

испытуемых).

Исследование согласия экспериментальных данных тестирования с используемой

моделью измерения. Статистики согласия, основанные на стандартизованных уклонениях.

Свойства статистик согласия и их распределений.

Анализ согласия по заданиям теста. Анализ согласия ответов испытуемых. Примеры

анализа согласия эмпирических данных с моделью измерения. Причины неадекватности

эмпирических данных используемой модели измерения.

Эмпирические характеристические кривые заданий и их сравнение с теоретическими

(модельными) характеристическими кривыми.

Обоснование выбора модели измерения по результатам анализа адекватности эмпирических

данных.

Основная литература:

1. Hambleton R.K., Swaminathan H., Rogers H.J. Fundamentals of Item Response Theory

(Measurement Methods for the Social Science). Sage Publications, Inc, 1991. Гл. 4.

2. Embretson S.E., Reise, S.P. Item Response Theory for Psychologists. New Jersey:

Lawrence Erlbaum Associates, Publishers, 2000. Гл. 9.

Дополнительная литература:

1. Hambleton R.K., Swaminathan H. Item Response Theory: Principles and

Applications. (Evaluation in Education and Human Services). CA: Sage, 1990. Гл. 8.

2. Bond Tr.G., Fox C.M. Applying the Rasch Model: Fundamental Measurement in the

Human Sciences. New Jersey: Lawrence Erlbaum Associates, Inc., Publishers, 2008. Гл. 12.

3. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации

педагогических тестов. М.: Прометей, 2000. Гл. 4.

4. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. – М.: Федеральный центр тестирования, 2008. Гл. 4.

5. Smith R.M. Fit Analysis in Latent Trait Measurement Models // Journal of Applied

Measurement. 2000. Vol.1(2). P. 199-218.

6. Karabatsos, G.A. Critique of Rasch Residual Fit Statistics // Journal of Applied

Measurement. 2000. Vol. 1(2). P. 152-176.

Тема семинара:

Анализ согласия экспериментальных данных с используемой моделью измерения.

Тема 8. Анализ измерительных свойств заданий в IRT.

Характеристическая кривая задания (дихотомического и политомического) и ее

свойства. Функционирование категорий задания, оцениваемого политомически. Оптимизация

схемы оценивания политомических заданий различных форм. Примеры анализа

политомических заданий.

Информационная функция задания теста (дихотомического и политомического) и ее

свойства. Информационная функция теста и ее свойства. Вклад различных заданий в

измерение латентной черты. Связь информационной функции теста и ошибки измерения.

Эффективность теста как измерительного инструмента. Сравнение эффективности двух

тестов.

Основная литература:

1. Hambleton R.K., Swaminathan H., Rogers H.J. Fundamentals of Item Response Theory

(Measurement Methods for the Social Science). Sage Publications, Inc, 1991. Гл. 6.

Дополнительная литература:

1. Lord Fr.M. Applications of Item Response Theory to Practical Test Problems. New

Jersey: Lawrence Erlbaum Associates, Publishers, 1980. Гл. 5-7.

2. Hambleton R.K., Swaminathan H. Item Response Theory: Principles and

Applications. (Evaluation in Education and Human Services). CA: Sage, 1990. Гл. 6.

3. Baker F.B. The basics of Item Response Theory. ERIC Clearinghouse on Assessment

and Evaluation, 2001. Гл. 1,4,6.

4. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. М.: Федеральный центр тестирования, 2008. Гл. 6,7.

5. Карданова Е.Ю, Нейман Ю.М. Анализ КИМ ЕГЭ по английскому языку и

рекомендации по шкалированию результатов тестирования // Вопросы тестирования в

образовании. 2005. № 15. С. 16-43.

6. Карданова Е.Ю. Анализ заданий типа В КИМ ЕГЭ, оцениваемых

политомически // Вопросы тестирования в образовании. 2006. № 1(17). С.30-47.

7. Linacre J.M. Optimizing Rating Scale Category Effectiveness // Journal of Applied

Measurement. 2002. Vol.3(1). P.85-106.

Тема семинара:

Анализ тестовых заданий в рамках IRT.

Тема 9. Обоснование валидности измерений в IRT.

Концепция валидности в IRT. Различные составляющие валидности, характеризующие

точность измерения и характеризующие суть измеряемой характеристики.

Исследование точности измерений. Ошибка измерения. Связь ошибки измерения с

традиционным понятием надежности. Внутренняя согласованность теста и ее связь с

одномерностью. Методы исследования внутренней согласованности. Устойчивость

результатов тестирования (инвариантность) относительно различных групп заданий и

относительно различных групп испытуемых.

Различные аспекты валидности и ее исследование. Валидность профилей заданий.

Валидность профилей испытуемых. Валидность по содержанию. Валидность конструкта.

Различное функционирование заданий по отношению к различным группам испытуемых.

Основная литература:

1. Hambleton R.K., Swaminathan H., Rogers H.J. Fundamentals of Item Response Theory

(Measurement Methods for the Social Science). Sage Publications, Inc, 1991. Гл. 4.

2. Embretson S.E., Reise, S.P. Item Response Theory for Psychologists. New Jersey:

Lawrence Erlbaum Associates, Publishers, 2000. Гл. 9, 11.

Дополнительная литература:

1. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. М.: Федеральный центр тестирования, 2008. Гл. 5.

2. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и

параметризации педагогических тестов. М.: Прометей, 2000. Гл.3.

3. Kline T.J.B. Psychological testing. London, UK: Sage, 2005. Гл. 9-10.

4. Smith Jr. E. V. Evidence for the Reliability of Measures Interpretation // Journal of

Applied Measurement. 2001. Vol. 2(3). P. 281-311.

5. Kane M.T. Current Concerns in Validity Theory // Journal of Educational

Measurement. 2001. Vol. 38(4). P.319-342.

Тема семинара:

Исследование валидности в рамках IRT.

Тема 10. Общий анализ теста.

Анализ теста, состоящего из дихотомических заданий. Общая схема анализа. Проверка

выполнения основных предположений IRT: размерность, локальная независимость, согласие

с моделью измерения, инвариантность оценок параметров. Точность измерений. Обоснование

валидности конструкта. Исследование однородности выборок и проверка различных гипотез

тестирования.

Особенности анализа теста при наличии политомических заданий. Исследование

размерности теста. Анализ функционирования заданий, оцениваемых политомически.

Исследование совместного функционирования дихотомических и политомических заданий.

Исследование совместного функционирования заданий различных форм.

Шкалирование результатов тестирования. Представление и интерпретация результатов

тестирования

Основная литература:

1. Hambleton R.K., Swaminathan H., Rogers H.J. Fundamentals of Item Response Theory

(Measurement Methods for the Social Science). Sage Publications, Inc, 1991. Гл. 4-5.

2. Embretson S.E., Reise, S.P. Item Response Theory for Psychologists. New Jersey:

Lawrence Erlbaum Associates, Publishers, 2000. Гл. 6, 9, 10.

Дополнительная литература:

1. Baker F.B. The basics of Item Response Theory. ERIC Clearinghouse on Assessment and

Evaluation, 2001. Гл.7.

2. Lord Fr.M. Applications of Item Response Theory to Practical Test Problems. New

Jersey: Lawrence Erlbaum Associates, Publishers, 1980. Гл.7.

3. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. М.: Федеральный центр тестирования, 2008. Гл. 6, 8.

4. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и

параметризации педагогических тестов. М.: Прометей, 2000. Гл.6.

5. Hambleton R. K., Rovinelli R. J. Assessing the dimensionality of a set of test items

// Applied Psychological Measurement. 1986. No.10. P.287-302.

- Kомпьютерное тестирование (CBT & CAT)

Тема 1. Основные политомические модели IRT

Политомические модели IRT: Partial Credit Model, Rating Scale Model, Generalized Partial

Credit Model, Graded-Response Model.

Свойства моделей. Параметры моделей и их интерпретация. Области применения

различных моделей. Сравнение моделей и их свойств. Выбор модели измерения.

Компьютерные программы, работающие с политомическими моделями IRT.

Основная литература:

1. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. – New

Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 4-5.

2. Bond, Tr.G., Fox, C.M. (2008), Applying the Rasch Model: Fundamental Measurement in

the Human Sciences. – New Jersey.: Lawrence Erlbaum Associates, Inc., Publishers. Гл. 6-7.

Дополнительная литература:

1. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. – М.: Федеральный центр тестирования, 2008. Гл. 1-2.

2. De Ayala, R.J. (2009), The Theory and Practice of Item Response Theory (Methodology in

the Social Science). – N.Y.: The Guilford Press.Гл. 7-8.

3. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press. Гл. 1.

4. Keller, L. (2005), Item response theory (IRT) models for polytomous response data, in B.

S. Everitt & D. C. Howell. (Eds.). Encyclopedia of statistics in behavioral sciences. West Sussex,

England: John Wiley & Sons, p. 990-1003.

5. Карданова Е.Ю., Нейман Ю.М. Основные модели современной теории тестирования

// Вопросы тестирования в образовании. 2003. № 7. С.12-37.

6. Huynh, H. (1994), On the Equivalence between a Partial Credit Item and a Set of

Independent Rasch Binary Items, Psychometrica, Vol.59, №1, p. 111-119.

7. Luo, G. (2005), The Relationship between the Rating Scale and Partial Credit Models and

the Implication of Disordered Thresholds of the Rasch Models for Polytomous Responses, Journal

of Applied Measurement, Vol.6, No.4, p. 443-455.

8. Smith, R.M. (1999), Rasch Measurement Models: Interpreting Winsteps/Bigsteps and

Facets Output. - Maple Grove, Minnesota: JAM Press

9. Wright, B.D., Masters, G.N. (1982), Rating Scale Analysis. Rasch Measurement. –

Chicago: Mesa Press.

10. Wright, B.D., Mok, M. (2000), Rasch Model Overview, Journal of Applied

Measurement, Vol.1, No. 1, p. 83-106.

11. Нейман Ю.М. Основные принципы шкалирования результатов ЕГЭ // Вопросы

тестирования в образовании. 2003. №6. С.20 -25.

Тема семинара:

Политомические модели IRT: свойства, области применения, сравнение, выбор. Работа с

компьютерными программами.

Тема 2. Методы оценивания параметров моделей.

Свойства оценок. Различные методы оценивания параметров. Метод максимального

правдоподобия и его вариации. Оценивание мер испытуемых. Оценивание параметров

заданий. Оценивание ошибки измерения.

Сравнение различных методов оценивания параметров. Компьютерные программы

оценивания параметров IRT моделей.

Основная литература:

1. Hambleton, R.K. (1991), Fundamentals of Item Response Theory (Measurement Methods

for the Social Science). – Sage Publications, Inc. Гл. 3.

2. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. – New

Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 7-8, 13.

Дополнительная литература:

1. De Ayala, R.J. (2009), The Theory and Practice of Item Response Theory (Methodology in

the Social Science). – N.Y.: The Guilford Press.Гл. 3-4.

2. Hambleton, R.K., Swaminathan, H. (1990), Item Response Theory: Principles and

Applications. (Evaluation in Education and Human Services) - CA: Sage. Гл. 4-5,7.

3. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. – М.: Федеральный центр тестирования. Гл. 2.

4. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press. Гл. 2-3.

5. Baker, F.B. (2001), The basics of Item Response Theory. – ERIC Clearinghouse on

Assessment and Evaluation. Гл. 3, 5.

6. Lord, Fr.M. (1980), Applications of Item Response Theory to Practical Test

Problems. – New Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 4.

7. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и

параметризации педагогических тестов. – М.: Прометей, 2000. Гл. 2-3.

8. Wright, B.D., Stone, M.N. (1979), Best Test Design. Rasch Measurement. – Chicago: Mesa

Press.

9. Wright, B.D., Masters, G.N. (1982), Rating Scale Analysis. Rasch Measurement. –

Chicago: Mesa Press.

10. Smith, R.M. (1999), Rasch Measurement Models: Interpreting Winsteps/Bigsteps and

Facets Output. - Maple Grove, Minnesota: JAM Press

11. Wang, W.-C., Chen, C.-T. (2005), Item Parameter Recovery, Standard Error Estimates,

and Fir Statistics of the Winsteps Program for the Family of Rasch Models, Educational and

Psychological Measurement, Vol.65, No.3, p.376-404.

Тема семинара:

Оценивание параметров заданий и мер испытуемых.

Тема 3. Оценивание адекватности эмпирических данных модели измерения

Проверка основных предположений IRT и свойств IRT моделей (одномерность,

локальная независимость, инвариантность оценок испытуемых относительно различных

групп заданий, инвариантность оценок параметров заданий относительно различных групп

испытуемых).

Исследование согласия экспериментальных данных тестирования с используемой

моделью измерения. Статистики согласия, основанные на стандартизованных уклонениях.

Свойства статистик согласия и их распределений.

Анализ согласия по заданиям теста. Анализ согласия ответов испытуемых. Примеры

анализа согласия эмпирических данных с моделью измерения. Причины неадекватности

эмпирических данных используемой модели измерения.

Эмпирические характеристические кривые заданий и их сравнение с теоретическими

(модельными) характеристическими кривыми.

Обоснование выбора модели измерения по результатам анализа адекватности

эмпирических данных.

Основная литература:

1. Hambleton, R.K. (1991), Fundamentals of Item Response Theory (Measurement Methods

for the Social Science). – Sage Publications, Inc. Гл. 4.

2. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. – New

Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 9.

3. Bond, Tr.G., Fox, C.M. (2008), Applying the Rasch Model: Fundamental Measurement in

the Human Sciences. – New Jersey.: Lawrence Erlbaum Associates, Inc., Publishers. Гл. 4,12.

Дополнительная литература:

1. Hambleton, R.K., Swaminathan, H. (1990), Item Response Theory: Principles and

Applications. (Evaluation in Education and Human Services) - CA: Sage. Гл. 8.

2. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. – М.: Федеральный центр тестирования. Гл. 4.

3. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press. Гл. 4,6.

4. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и параметризации

педагогических тестов. – М.: Прометей, 2000. Гл. 4.

5. Wright, B.D., Stone, M.N. (1979), Best Test Design. Rasch Measurement. – Chicago: Mesa

Press.

6. Wright, B.D., Masters, G.N. (1982), Rating Scale Analysis. Rasch Measurement. –

Chicago: Mesa Press.

7. Hambleton, R. K., Rovinelli, R. J. (1986), Assessing the dimensionality of a set of test

items, Applied Psychological Measurement, No. 10, p.287-302.

8. Smith, R.M. (2000), Fit Analysis in Latent Trait Measurement Models, Journal of Applied

Measurement, Vol. 1, No. 2, p. 199-218.

9. Smith, Jr. E. V. (2002), Detecting and Evaluating the Impact of Multidimensionality using

Item Fit Statistics and Principal Component Analysis of Residuals, Journal of Applied

Measurement,Vol. 3, No.2, p.205-231.

10. Wang, W.-C., Chen, C.-T. (2005), Item Parameter Recovery, Standard Error Estimates,

and Fir Statistics of the Winsteps Program for the Family of Rasch Models, Educational and

Psychological Measurement, Vol.65, No.3, p.376-404.

11. Karabatsos, G. A (2000), Critique of Rasch Residual Fit Statistics, Journal of Applied

Measurement, Vol. 1, № 2, p. 152-176.

12. Karabatsos, G. (2003), Comparing the Aberrant Response Detection Performance of

Thirty-Six Person-Fit Statistics, Applied Measurement in Education, Vol.16, №4, p.277-298.

13. Карданова Е.Ю., Карданов Р.С. Построение интервальных оценок статистик

согласия при анализе результатов массового тестирования в рамках моделей Г. Раша //

Информационные технологии. 2010. №9. С.64-70.

Тема семинара:

Анализ согласия экспериментальных данных с используемой моделью измерения

Тема 4. Обоснование валидности теста

Концепция валидности в IRT. Различные составляющие валидности, характеризующие

точность измерения и характеризующие суть измеряемой характеристики.

Исследование точности измерений. Ошибка измерения. Связь ошибки измерения с

традиционным понятием надежности. Внутренняя согласованность теста и ее связь с

одномерностью. Методы исследования внутренней согласованности. Устойчивость

результатов тестирования (инвариантность) относительно различных групп заданий и

относительно различных групп испытуемых.

Различные аспекты валидности и ее исследование. Валидность профилей заданий.

Валидность профилей испытуемых. Валидность по содержанию. Валидность конструкта.

Различное функционирование заданий по отношению к различным группам испытуемых.

Основная литература:

1. Hambleton, R.K. (1991), Fundamentals of Item Response Theory (Measurement Methods

for the Social Science). – Sage Publications, Inc. Гл. 4.

2. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. – New

Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 9, 11.

3. Bond, Tr.G., Fox, C.M. (2008), Applying the Rasch Model: Fundamental Measurement in

the Human Sciences. – New Jersey.: Lawrence Erlbaum Associates, Inc., Publishers. Гл. 4.

Дополнительная литература:

1. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. – М.: Федеральный центр тестирования. Гл. 5.

2. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и

параметризации педагогических тестов. – М.: Прометей, 2000. Гл.3.

3. Kline T.J.B. (2005). Psychological testing. London, UK: Sage. Гл. 9-10.

4. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press. Гл. 5.

5. Клайн П. Справочное руководство по конструированию тестов. Киев.: ПАН Лтд,

6. Banerji, M. (2000), Construct Validity of Scores. Measures from a Developmental

Assessment in Mathematics using Classical and Many-Facet Rasch Measurement, Journal of

Applied Measurement, Vol.1, No.2, p.177198.

7. Kane, M.T. (2001), Current Concerns in Validity Theory, Journal of Educational

Measurement, Vol.38, No. 4, p.319-342.

8. Li, H. (2003), The resolution of some paradoxes related to reliability and validity, Journal

of Educational and Behavioral Statistics, No.28(2), p.89-95.

9. Smith, Jr. E. V. (2001), Evidence for the Reliability of Measures Interpretation, Journal

of Applied Measurement, Vol. 2, No.3, p. 281-311

10. Traub, R., Hambleton, R. K. (1972), The effect of scoring instructions and degree of

speededness on the validity and reliability of multiple-choice tests, Educational and Psychological

Measurement, No.32, p.737-758.

11. Wilson, M. (2005), Constructing Measures: An Item response Modeling Approach. –

Mahwah, New Jersey: Lawrence Erlbaum Associates, Publishers.

12. Карданова Е. Ю., Карпинский В. Б. Специальные методы анализа результатов

тестирования, основанные на свойстве объективности моделей Раша // Информационные

технологии. 2008. № 4 (140). — С. 7280.

Тема семинара:

Исследование валидности в рамках IRT.

Тема 5. Измерения в психологии

Rating Scale Model и ее свойства. Анализ данных в рамках RSM. Функционирование

шкалы и оптимизация количества ответных альтернатив к заданиям. Измерения в психологии

с использованием шкалы Ликерта.

1994

Применение IRT моделирования для разработки психологической методики и

исследования ее психометрических свойств.

Основная литература:

1. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. – New

Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 11-12.

2. Bond, Tr.G., Fox, C.M. (2008), Applying the Rasch Model: Fundamental

Measurement in the Human Sciences. – New Jersey.: Lawrence Erlbaum Associates, Inc.,

Publishers. Гл. 6, 9-11.

Дополнительная литература:

1. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. – М.: Федеральный центр тестирования. Гл. 9.

2. Choi, N., Fuqua, D.R. (2003), The Structure of the Bem Sex-Role Inventory: a Summary

Report of 23 Validation Studies, Educational and Psychological Measurement, Vol.63, № 5, p.872-

887.

3. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press. Гл. 11.

4. Kline, T.J.B. (2005). Psychological testing. - London, UK: Sage

5. Клайн П. Справочное руководство по конструированию тестов. Киев.: ПАН Лтд,

1994

6. Smith, E.V., Wakely, M.B., Kruif, R., Swartz ,C.W. (2003), Optimizing Rating Scales for

self-efficacy (and other) research, Educational and Psychological Measurement, Vol.63, No. 3,

p.369-391.

7. Linacre, J.M. (2002), Optimizing Rating Scale Category Effectiveness, Journal of Applied

Measuremen, Vol.3, No. 1, p.85-106.

Тема семинара:

Применение IRT моделей в психологии.

Тема 6. Анализ измерительных свойств заданий.

Характеристическая кривая задания (дихотомического и политомического) и ее

свойства. Функционирование категорий задания, оцениваемого политомически. Оптимизация

схемы оценивания политомических заданий различных форм. Примеры анализа

политомических заданий.

Информационная функция задания теста (дихотомического и политомического) и ее

свойства. Информационная функция теста и ее свойства. Вклад различных заданий в

измерение латентной черты. Связь информационной функции теста и ошибки измерения.

Эффективность теста как измерительного инструмента. Сравнение эффективности двух

тестов.

Основная литература:

1. Hambleton, R.K. (1991), Fundamentals of Item Response Theory (Measurement Methods

for the Social Science). – Sage Publications, Inc. Гл. 6.

Дополнительная литература:

1. Lord, Fr.M. (1980), Applications of Item Response Theory to Practical Test

Problems. – New Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 5-7.

2. Hambleton, R.K., Swaminathan, H. (1990), Item Response Theory: Principles and

Applications. (Evaluation in Education and Human Services) - CA: Sage. Гл. 6.

3. Baker, F.B. (2001), The basics of Item Response Theory. – ERIC Clearinghouse on

Assessment and Evaluation. Гл. 1, 4,6.

4. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. – М.: Федеральный центр тестирования. Гл. 6,7.

5. Карданова Е.Ю, Нейман Ю.М. Анализ КИМ ЕГЭ по английскому языку и

рекомендации по шкалированию результатов тестирования // Вопросы тестирования в

образовании. – 2005. № 15. С. 16-43.

6. Карданова Е.Ю. Анализ заданий типа В КИМ ЕГЭ, оцениваемых политомически //

Вопросы тестирования в образовании. – 2006. № 1(17). С.30-47.

7. Huynh, H., Meyer, P.L. (2003), Maximum information approach to scale description for

affective measures based on the Rasch model, Journal of Applied Measurement, Vol.4, No.2, p.101-

110.

8. Linacre, J.M. (2005), Dichotomous & Polytomous Category Information, Rasch

Measurement Transactions, No.19:1, p. 1005-1006.

9. Карданова Е.Ю., Карданов Р.С. О некоторых свойствах характеристической и

информационной функций политомического тестового задания // Вестник НовГУ. 2010. №55.

С.19-24.

10. Dodd, D.G., De Ayala, R.J., Koch, W.R. (1995), Computerized Adaptive Testing with

Polytomous Items, Applied Psychological Measurement, Vol 19, No.1, p. 5-22.

Тема семинара:

Анализ тестовых заданий в рамках IRT.

Тема 7. Общий анализ теста.

Анализ теста, состоящего из дихотомических заданий. Общая схема анализа. Проверка

выполнения основных предположений IRT: размерность, локальная независимость, согласие

с моделью измерения, инвариантность оценок параметров. Точность измерений. Обоснование

валидности конструкта. Исследование однородности выборок и проверка различных гипотез

тестирования.

Особенности анализа теста при наличии политомических заданий. Исследование

размерности теста. Анализ функционирования заданий, оцениваемых политомически.

Исследование совместного функционирования дихотомических и политомических заданий.

Исследование совместного функционирования заданий различных форм.

Шкалирование результатов тестирования. Представление и интерпретация результатов

тестирования.

Компьютерные программы анализа данных.

Основная литература:

1. Hambleton, R.K. (1991), Fundamentals of Item Response Theory (Measurement Methods

for the Social Science). – Sage Publications, Inc. Гл. 4-5.

2. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. – New

Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 6, 9, 10,13.

Дополнительная литература:

1. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press, гл.15

2. Baker, F.B. (2001), The basics of Item Response Theory. – ERIC Clearinghouse on

Assessment and Evaluation. Гл. 7.

3. Lord, Fr.M. (1980), Applications of Item Response Theory to Practical Test

Problems. – New Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 7.

4. Карданова Е.Ю. Моделирование и параметризация тестов: основы теории и

приложения. – М.: Федеральный центр тестирования. Гл. 6, 8.

5. Нейман Ю.М., Хлебников В.А. Введение в теорию моделирования и

параметризации педагогических тестов. – М.: Прометей, 2000. Гл.6.

6. Green, D. R., Yen, W. M., Burket, G. R. (1989), Experiences in the application of item

response theory in test construction. Applied Measurement in Education, No.2(4), p. 297-312.

Тема семинара:

Общий анализ теста.

Тема 8. Измерение латентных переменных в социальных и экономических сферах.

Математические модели и технология обработки информации применительно к задачам

управления в социальных и экономических сферах. Методика измерения латентных

переменных с помощью IRT моделирования.

Математические модели для данных на номинальной шкале.

Применение IRT моделирования для анализа данных многокритериального мониторинга

и построения единого интегрального показателя.

Основная литература:

1. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. –

New Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 11-12.

2. Bond, Tr.G., Fox, C.M. (2008), Applying the Rasch Model: Fundamental

Measurement in the Human Sciences. – New Jersey.: Lawrence Erlbaum Associates, Inc.,

Publishers. Гл. 6, 10.

Дополнительная литература:

1. De Ayala, R.J. (2009), The Theory and Practice of Item Response Theory (Methodology in

the Social Science). – N.Y.: The Guilford Press. Гл. 9.

2. Карданова Е.Ю., Карпинский В.Б. Технология обработки информации в

многокритериальном мониторинге на основе политомической модели Раша // Системы

управления и информационные технологии. – 2007. №3.1(29). С.149-154.

3. Аверкин В.Н., Аверкин С.В., Карданова Е.Ю., Карпинский В.Б. Повышение

объективности мониторинга в региональной системе управления образованием // Народное

образование. 2008. №2. С. 156-165.

4. Карданова Е.Ю., Карпинский В.Б. Технология обработки информации в

многокритериальном мониторинге на основе политомической модели Раша // Системы

управления и информационные технологии. 2007. №3.1(29). С.149-154.

5. Карданова Е.Ю. Измерение латентных переменных в образовании и других

социальных и экономических сферах // В сб. материалов Международной научно-

практической конференции «Роль классических университетов в формировании

инновационной среды регионов». Уфа: РИЦ БашГУ, 2009. С.39-42.

Тема семинара:

Применение IRT моделей в социологии и экономике.

Тема 9. Применение IRT моделирования для решения специфических задач тестирования.

Выравнивание результатов, полученных по отчасти различным наборам заданий и,

возможно, в разное время. Условия выравнивания. Методы и процедуры выравнивания.

Различное функционирование заданий по отношению к различным группам испытуемых

Методы идентификации таких заданий.

Конструирование теста с наперед заданными свойствами при наличии банка заданий.

Конструирование критериально-ориентированного теста с заданным проходным баллом.

Методы установления проходного балла. Методы установления пороговых оценок

(benchmarks).

Методы обнаружения искажений в результатах тестирования.

Основная литература:

1. Hambleton, R.K. (1991), Fundamentals of Item Response Theory (Measurement Methods

for the Social Science). – Sage Publications, Inc. Гл. 7-10.

2. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. – New

Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 10.

3. Bond, Tr.G., Fox, C.M. (2008), Applying the Rasch Model: Fundamental Measurement in

the Human Sciences. – New Jersey.: Lawrence Erlbaum Associates, Inc., Publishers. Гл. 5.

Дополнительная литература:

1. De Ayala, R.J. (2009), The Theory and Practice of Item Response Theory (Methodology in

the Social Science). – N.Y.: The Guilford Press. Гл.11,12.

2. Hambleton, R.K., Swaminathan, H. (1990), Item Response Theory: Principles and

Applications. (Evaluation in Education and Human Services) - CA: Sage. Гл. 10-11.

3. Baker, F.B. (2001), The basics of Item Response Theory. – ERIC Clearinghouse on

Assessment and Evaluation. Гл. 8.

4. Карданова Е.Ю., Нейман Ю.М. Проблема выравнивания в современной теории

тестирования // Вопросы тестирования в образовании. – 2003. № 8. С.21-40.

5. Lord, Fr.M. (1980), Applications of Item Response Theory to Practical Test Problems. –

New Jersey.: Lawrence Erlbaum Associates, Publishers.

6. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press. Гл.16-19.

7. Карданова Е.Ю. Выравнивание показателей в случае экспертного оценивания

заданий / Е. Ю. Карданова // Известия Томского политехнического университета. 2007. №3.

Том 310. С.233-237.

8. Карданова Е.Ю., Карпинский В.Б. О возможностях обнаружения искажений при

массовом тестировании // В сб. «Моделирование и параметризация педагогических тестов».

Минск, 2007. С. 30-36.

9. Соколов А.В. Выявление списывания в тестировании (краткий обзор статистических

методов) // Вопросы тестирования в образовании. 2007. №18. С. 49-59.

10. Allalouf, A., Hambleton, R.K., Sireci, S.G. (1999), Identifying the causes of DIF in

translated verbal items, Journal of Educational Measurement, No.36(3), p.185-198.

11. Cook, L. L., Eignor, D. R. (1991), IRT equating methods, Educational Measurement:

Issues and Practice, No. 10(3), p.37-45.

12. Hambleton, R. K. (1983), Applications of item response models to criterion-referenced

assessment, Applied Psychological Measurement, No.7, p.33-44.

13. Hambleton, R. K., and Rogers, H. J. (1989), Solving criterion-referenced measurement

problems with item response models, From a special issue of International Journal of Educational

Research, No.13(2), p. 121-220.

14. Hambleton, R.K., Jaeger, R.M., Plake, B.S., Mills, C. (2000), Setting performance

standards on complex educational assessments, Applied Psychological Measurement, No.24, p.355-

366.

15. Hambleton, R.K. (2001), Setting performance standards on educational assessments and

criteria for evaluating the process, in: G. Cizek (Ed.), Setting performance standards: Concepts,

methods, and perspectives. Mahwah, NJ: Erlbaum Publishers, p. 89-116.

16. Linn, R.L. (1993), Linking results of distinct assessments, Applied Measurement in

Education, No. 6, p.83-102.

17. Mellenbergh, G. J. (1989), Item bias and item response theory, From a special issue of

International Journal of Educational Research, No.13(2), pp. 121-220.

18. Scheuneman, J. D., Bleistein, C. A. (1989), A consumer's guide to statistics for

identifying differential item functioning, Applied Measurement in Education, No.2(3), p. 255-275.

19. Smith R.M. (1994), Detecting Item Bias in the Rasch Rating Scale Model, Educational

and Psychological Measurement, Vol.54, No. 4, p.886-896.

20. Smith R.M. (2004), Detecting Item Bias with the Rasch Model, Journal of Applied

Measurement, Vol.5, No. 4, p.430-449.

21. Wright, B. D., Bell, S. (1984), Item banks: What, Why, How, Journal of Educational

Measurement, No. 21(4), p.331-346.

22. Smith, R.M. (1992), Person and Item Analysis. – Chicago: Mesa Press.

Тема семинара:

Специфические проблемы тестирования.

Тема 10. Более сложные модели IRT.

Модель OPLM (One Parameter Logistic Model).

Многопараметрические модели IRT и их свойства. Применение многопараметрических

моделей для анализа деятельности экспертов, оценивающих выполнение заданий.

Многомерные модели IRT и их свойства. Классификация многомерных моделей

(многомерность между заданиями и многомерность внутри заданий). Различные подходы к

анализу многомерных данных тестирования. Преимущества многомерного подхода.

Применение многомерных моделей для оценивания испытуемых.

Другие модели IRT. Компьютерные программы обработки данных в рамках

рассматриваемых моделей.

Основная литература:

1. Bond, Tr.G., Fox, C.M. (2008), Applying the Rasch Model: Fundamental Measurement in

the Human Sciences. – New Jersey.: Lawrence Erlbaum Associates, Inc., Publishers. Гл. 8.

Дополнительная литература:

1. De Ayala, R.J. (2009), The Theory and Practice of Item Response Theory (Methodology in

the Social Science). – N.Y.: The Guilford Press. Гл.10.

2. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press. Гл.13,14,20,21.

3. Карданова Е.Ю. Математические модели многофасетного анализа // Вопросы

тестирования в образовании. 2004. № 11. С. 11-27.

4. Карданова Е.Ю. Применение многопараметрического анализа для исследования

деятельности экспертов // Вопросы тестирования в образовании. 2005. №14. С. 6-31.

5. Linacre, J.M., Wright, B.D. (2002), Construction of Measures from Many-facet Data,

Journal of Applied Measurement, Vol. 3, No. 4, p. 486-512.

6. Rasch models. Foundations, Recent Developments, and Applications. (1995): G.Fisher,

I.Molenar, Eds. N.-Y.

7. Reckase M.D. Multidimensional Item Response Theory. – N.-Y.: Springer.

8. Adams, Raymond J.; Wilson, Mark and Wang, Wen-chung (1997), The Multidimensional

Random Coefficients Multinomial Logit Model, Applied Psychological Measurement; Vol.21, No.

1, p.1-23.

9. Liu, O.L., Wilson, M., Paek, I. A Multidimensional Rasch Analysis of Gender Differences

in PISA Mathematics, Journal of Applied Measurement, Vol. 9, No.1, p.18-35.

10. Wilson, M. (1992), The Ordered Partition Model: An Extexsion of the Partial Credit

Model, Applied Psychological Measurement, Vol.16, No.4, p.309-325.

11. Smith, R.M. (1999), Rasch Measurement Models: Interpreting Winsteps/Bigsteps and

Facets Output. - Maple Grove, Minnesota: JAM Press.

Тема семинара:

Применение более сложных моделей IRT.

Тема 11. Компьютерное тестирование. Компьютерное адаптивное тестирование.

Компьютерное тестирование: преимущества и недостатки; отличия от бланкового.

Разновидности компьютерного тестирования. Дополнительные возможности в разработке

заданий и проведении компьютерного тестирования.

Компьютерное адаптивное тестирование (КАТ): основные преимущества, особенности

и методология.

Математические модели IRT, применяемые в КАТ. Калибровка банка заданий.

Различные сценарии КАТ. Процедуры выбора первого задания. Процедуры выбора

последующих заданий. Правила окончания тестирования. Шкалирование и выравнивание

результатов в КАТ. Надежность и валидность измерений в КАТ.

Основная литература:

1. Embretson, S. E., Reise, S. P. (2000), Item Response Theory for Psychologists. – New

Jersey.: Lawrence Erlbaum Associates, Publishers. Гл. 10.

Дополнительная литература:

1. Smith, Ev.V., Smith, R.M. (2004), Introduction to Rasch Measurement. – Maple Grove,

Minnesota: JAM Press. Гл.23.

2. Van der Linden, W.J., Glass, A.W. Cees (2010), Elements of Adaptive Testing. – N.-Y.:

Springer. Гл. 1,2,5,6,11,12,13,14.

3. Wainer, H.(1990), Computerized Adaptive Testing: A Primer. – New Jersey.: Lawrence

Erlbaum Associates, Inc., Publishers. Гл.2-8.

4. Drasgow, F., Olson-Buchanan, J.B. (1999), Innovations in Computerized Assessment. -

New Jersey.: Lawrence Erlbaum Associates, Inc., Publishers. Гл. 2,4,5.

5. Green, B.F. (1984), Technical Guidelines for Assessing Computerized Adaptive Tests,

Journal of Educational Measurement, Vol. 21, No. 4, p. 347-360.

6. Hambleton, R. K., Zaal, J., Pieters, J. P. (1991), Computerized adaptive testing: Theory,

applications, and standards, in: R. K. Hambleton, J. Zaal (Eds.), Advances in educational and

psychological testing: Theory and applications). Boston: Kluwer Academic Publishers. p. 341-366.

7. Weiss, D. J., Kingsbury, G. G. (1984), Application of computerized adaptive testing to

educational problems, Journal of Educational Measurement, No.21(4), p. 361-375.

- Компьютерное тестирование

Тема 1 «Эволюция компьютерного тестирования»

Рассматривается история появления компьютерного тестирования, особенности и

возможности компьютерного тестирования по сравнению с бланковым.

Тема 2 «Линейное компьютерное тестирование»

Изучаются принципы разработки и функционирования линейных компьютерных тестов

LOFT.

Тема 3 «Лабораторная работа 1 «Линейное компьютерное тестирование»

Изучаются возможности платформы HT-Line для организации линейного компьютерного

тестирования.

Тема 4 «Компьютерное тестирование MST»

Изучаются особенности многоступенчатого компьютерного тестирования.

Тема 5 «Компьютерное адаптивное тестирование»

Изучаются ключевые возможности компьютерного адаптивного тестирования, в том числе

модели и алгоритмы CAT.

Тема 6 «Лабораторная работа 2 «Симулятор компьютерного адаптивного тестирования

Л. Раднера»

Подробно рассматриваются особенности функционирования алгоритмов CAT.

Тема 7 «Лабораторная работа 3 «Симулятор компьютерного адаптивного тестирования

CATSim»

Рассматриваются принципы решения ключевых вопросов компьютерного адаптивного

тестирования: конструирование банка заданий, выбор правила старта, правила оценивания,

правила выбора заданий и критерий завершения.

Тема 8 «Инновационные формы тестовых заданий»

Рассматривается технология разработки инновационных форм тестовых заданий.

Тема 9 «Кейсы Задача – Решение»

Рассматривается методика подбора решения, исходя из практической ситуации

компьютерного тестирования.

Тема 10 «Этические вопросы в компьютерном тестировании»

Изучаются вопросы этики в компьютерном тестировании.

Тема 11 «Вопросы безопасности в компьютерном тестировании»

Изучаются вопросы информационной безопасности в условиях компьютерного тестирования.

Основная литература:

1. Bartram, D., & Hambleton, R. K. Computer-based testing and the Internet: Issues and

advances. 2006.

2. Mills, C., Potenza, M., Fremer, J. & Ward, C. Computer-based testing - building the

foundation for future assessment. 2002.

3. Rudner, L. An On-line, Interactive, Computer Adaptive Testing Tutorial. 1998.

4. Wainer, H., Dorans, N. J., Eignor, D., Flaugher; R., Green, B. F, Mislevy. R. J., Steinberg,

L., & Thissen, D. Computerized adaptive testing: A primer. 2010.

5. Parshall, C. G., Spray, J. A., Kalohn, J. C., & Davey, T. Practical considerations in

computer–based testing. 2002.

6. van der Linden, W. J., & Glas, C. A. W. Elements of adaptive testing. 2010.

7. Eggen, Theo. Contributions to the Theory and Practice of Computerized Adaptive Testing.

2004.

Дополнительная литература:

1. Более 2000 исследовательских статей Международной ассоциации компьютерного

адаптивного тестирования с 1950 года до настоящего времени http://iacat.org/biblio.

2. Исследовательские статьи журнала «Practical Assessment, Research and Evaluation» с

1988 по настоящее время http://pareonline.net/.

Теории обучения

1 Базовые основы построения теории

обучения. Принципы оценки

эффективности практического применения

теории обучения

• Тема 1.1. Психолого-

• Тема 1.2. Положения основных

педагогические основы построения

классических и современных

теорий обучения. Современные

науки об учении и обучении.

классических и современных

теорий обучения, их явная

(эксплицитная) или скрытая

(имплицитная) представленность в

разработках образовательных

программ, отдельных курсов и их

разделов.

• Тема 1.3. Специфика задач,

Настоящая программа не может быть использована другими подразделениями

университета и другими вузами без разрешения кафедры-разработчика программы.

Национальный исследовательский университет «Высшая школа экономики»

Программа дисциплины «Классические и современные теории обучения» Магистерской программы

«Управление в высшем образовании по направлению 080200.68 "Менеджмент"

процесса и результатов обучения

взрослых; сравнительное

своеобразие подходов к

проектированию и построению

процессов обучения взрослых и

детей; сопоставление

основополагающих теоретических

и методических моментов

андрагогики и педагогики.

2 Пути и возможности применения

современных теорий обучения в

проектировании и реализации

эффективных образовательных программ

• Тема 2.1. Принципы и приоритеты

• Тема 2.2. Стратегии вузов по

• Тема 2.3. Оценка и прогноз

применения современных теорий

обучения при проектировании и

реализации инновационных

образовательных программ

применению современных теорий

обучения при проектировании и

реализации инновационных

образовательных программ

педагогических и психологических

рисков и последствий принятых

решений по выбору той или иной

стратегии обучения, разработка

системы мер по минимизации

рисков.

3 Анализ достоинств и недостатков

применения современных теорий обучения

в различных типах вузовских

образовательных программ

• Тема 3.1. Конкретные вопросы

• Тема 3.2. Обоснование выбора той

учета совокупности психолого-

педагогических требований

современных теорий обучения при

разработках образовательных

программ, отдельных курсов и их

разделов

или иной теоретической модели

Настоящая программа не может быть использована другими подразделениями

университета и другими вузами без разрешения кафедры-разработчика программы.

Программа дисциплины «Классические и современные теории обучения» Магистерской программы

Национальный исследовательский университет «Высшая школа экономики»

«Управление в высшем образовании по направлению 080200.68 "Менеджмент"

обучения для построения

образовательных программ,

отдельных курсов и их разделов

• Тема 3.3. Разработки наиболее

эффективной стратегии

проектирования и реализации

обучения применительно к

конкретным условиям высшего

учебного заведения и

преподаваемой дисциплины

Бут Свини Л., Медоуз Д. Сборник игр для развития системного мышления. М.:

Просвещение, 2007.

Змеев С.И. Андрагогика: становление и пути развития. – М.:Московский психолого-

социальный институт, 2003. – 250 с.

Подольский А.И. (ред) Психология подготовки современных специалистов на производстве.

М., 1990

Подольский А.И. П.Я. Гальперин и его школа. В сборнике: «Психология в Московском

университете», М., 2007, МГУ, с. 102 – 122

Сенге Питер М. Пятая дисциплина. Искусство и практика обучающейся организации. М.:

ЗАО «Олимп-Бизнес», 2009.

Теории учения. Хрестоматия.– Под ред. Н.Ф. Талызиной, И.А. Володарской. – М.:

Редакционно-издательский центр «Помощь», 1996.

Чошанов М.А. Инженерия обучающих технологий. М.: БИНОМ. Лаборатория знаний, 2011.

Формирование системного мышления в обучении / Под ред. проф. З.А. Решетовой. - М.:

Юнити-Дана, 2002

Эльконин Д.Б. Избранные психологические труды.М.,1989.

Merrill, M. D. (2002). First principles of instruction. Educational Technology Research and

Development, 50, 43-59.

Renkl, A. (2002). Worked-out examples: instructional explanations support learning by self-

explanations. Learning and Instruction, 12, 529-556.

Айсмонтас Б.Б. Педагогическая психология.

http://www.ido.rudn.ru/psychology/pedagogical_psychology/

9.3 Дополнительная литература

Gagné, R. (1997). The conditions of learning and theory of instruction. New York: Holt, Rinehart

and Winston.

Van Merriënboer, J. J. G. (1997). Training complex cognitive skills. Englewood Cliffs, NJ:

Educational Technology Publications.

Теория поэтапного усвоения Гальперина

Теория кривых забывания

Теория оптимальных нагрузок

Адаптивные обучающие системы (adaptive instructional systems)

Программируемое обучение

Теория Скиннера

Исследования Талызиной, Ландау (в част. Ландаматика)

Байесовские модели

Беверли Парк Вульф, Персонализированное обучение

Персонализация контента (модели LLeo и др)

Как работает Knewton

Линейная алгебра

Основы теории вероятности и основы статистики

Список основной литературы Wonnacott R.J. and Wonnacott T.H. Introductory statistics for business and economics. John Wiley&Sons, fourth edition, 1985 (WW) Список дополнительной литературы 1. С.А. Айвазян, В.С. Мхитарян. Теория вероятностей и прикладная статистика. ЮНИТИ. Москва, 2001. 2. Гмурман В. Е. Теория вероятностей и математическая статистика. М., «Высшая школа», 1998. 3. Гмурман В. Е. Руководство к решению задач по теории вероятностей и математической статистике. М., «Высшая школа», 1998. 4 4. Шведов А.С. Теория вероятности и математическая статистика. ВШЭ, 1995. 5. Hogg R.V. and Tanis E.A., Probability and Statistical Inference, Prentice Hall, 1993. Перечень интернет-ресурсов, компьютерных программ и баз данных 1. http://www.stat.yale.edu/Courses/1997-98/101/expdes.htm 2. http://www.itl.nist.gov/div898/handbook/pri/section3/pri3.htm 3. http://www.cas.lancs.ac.uk/glossary_v1.1/main.html 4. http://home.xnet.com/~fidler/triton/math/review/mat170/mat170. htm 5. http://www.statsoft.com/textbook/esc.html 6. http://mail.pittstate.edu/~winters/tutorial/ Содержание курса 1. Первичный анализ данных, описательные статистики 1. Графическое представление одномерных данных. Точечный график. Представление «Ствол и листья». Гистограмма. 2. Особенности данных. Выбросы. Кластеры. Форма гистограммы 3. Описательные статистики. Меры среднего: арифметическое среднее, медиана, мода, среднее геометрическое. Меры разброса: размах, сред- неквадратическое отклонение, Интерквартильный размах, среднее аб- солютное отклонение, среднее относительное отклонение. Представ- ление данных с помощью «ящика». 4. Преобразование элементарных статистик при линейном преобразова- нии данных. 5. Меры положения наблюдения в выборке: квартили, перцентили, z– шкала. 6. Вычисления с группированными данными. (WW гл. 2) ТЕОРИЯ ВЕРОЯТНОСТЕЙ И ОСНОВЫ СТАТИСТИКИ 5 2. Сбор данных, планирование и проведение эксперимента 1. Методы сбора данных: перепись, выборочное обследование, экспери- мент, наблюдения. 2. Генеральная совокупность, выборка, случайная выборка. 3. Источники смещения при выборке и обследовании. 4. Типы выборки: простая случайная выборка, стратифицированная слу- чайная выборка, кластерная выборка. 5. Планирование и проведение эксперимента. 6. Контрольные группы, случайное назначение, повторение. 7. Источники смещения при проведении эксперимента. Смешивающие факторы, эффект плацебо и «слепоты». 8. Полностью рандомизированный эксперимент. Разбиение на блоки. (WW, гл. 1) 3. Элементы теории вероятностей 1. Эксперимент со случайным исходом. Понятие о вероятности. Веро- ятность события как предел относительной частоты его появления в серии независимых испытаний. Понятие закона больших чисел. 2. Пространство элементарных исходов как математическая модель экс- перимента со случайным исходом. Алгебра событий. Несовместные события. 3. Вероятность в пространстве элементарных исходов. Классическая ве- роятность. Простейшие комбинаторные схемы. Вероятность суммы событий. 4. Условные вероятности. Вероятность произведения событий. Незави- симые события. 5. Формула полной вероятности. Формула Байеса (WW гл. 3, 4) 6 4. Дискретные случайные величины 1. Примеры дискретных случайных величин. Распределение дискрет- ных случайных величин. Частоты и кумулятивные частоты. 2. Среднее значение (математическое ожидание). Дисперсия. Стандарт- ное отклонение. 3. Последовательность независимых испытаний. Биномиальное распре- деление. Геометрическое распределение. (WW гл. 3, 4) 5. Непрерывные случайные величины 1. Примеры непрерывных случайных величин. Функция распределения. Плотность распределения. Среднее значение (математическое ожида- ние). Дисперсия. Стандартное отклонение. 2. Нормальное распределение, его свойства. Таблицы нормального рас- пределения. 3. Линейное преобразование случайной величины. (WW гл. 3, 4) 6. Двумерные распределения 1. Совместное распределение двух дискретных случайных величин. Мар- жинальные распределения. Условные распределения. Условное сред- нее. 2. Независимые случайные величины. 3. Коэффициент ковариации. Коэффициент корреляции как мера ли- нейной связи двух случайных величин. Некоррелированность и неза- висимость. Математическое ожидание и дисперсия линейной комби- нации двух случайных величин. 7. Предельные теоремы 1. Закон больших чисел. 2. Центральная предельная теорема. Аппроксимация биномиального рас- пределения нормальным. 8. Распределение выборочных статистик ТЕОРИЯ ВЕРОЯТНОСТЕЙ И ОСНОВЫ СТАТИСТИКИ 7 1. Распределение выборочного среднего, выборочной пропорции. 2. Распределение разности двух пропорций. Распределение разности двух независимых выборочных средних. 3. t-распределение (распределение Стьюдента), хи-квадрат распределе- ние. 9. Точечное оценивание параметров 1. Понятие точечного оценивания параметров генеральной совокупно- сти. Примеры точечных оценок: выборочное среднее и выборочная дисперсия. 2. Свойства оценок: несмещенность, эффективность, состоятельность. 3. Оценки среднего и дисперсии. 4. Оценка пропорции. (WW гл. 6, 7, 8, 9, 17) 10. Интервальное оценивание параметров 1. Понятие доверительного интервала. Доверительный интервал для сред- него значения генеральной совокупности. Нормальная аппроксима- ция при больших выборках. Случай малых выборок (распределение Стьюдента). 2. Доверительный интервал для разности двух средних (парные и неза- висимые выборки). 3. Доверительный интервал для разности двух пропорций. 4. Двусторонние и односторонние доверительные интервалы. 11. Статистическое тестирование гипотез 1. Понятие гипотезы и статистического теста. Тестирование гипотез о среднем генеральной совокупности. Использование доверительных ин- тервалов и тест-статистик. 2. Двусторонние и односторонние тесты. Понятие p-значения теста. 3. Понятие об ошибках первого и второго рода. Значимость теста, мощ- ность теста. 8 4. Стандартные тесты: • среднее генеральной совокупности • пропорция • разность средних независимых и парных генеральных совокуп- ностей • разность пропорций 5. Критерий согласия Пирсона. Таблицы сопряженности 12. Модель парной регрессии 1. X − Y график. Подгонка прямой. Метод наименьших квадратов. 2. Преобразования, приводящие к линейной модели 3. Выбросы. 4. Прогнозные значения. 5. Остатки и ошибки регрессии. 6. Статистические свойства оценок. Доверительный интервал для коэф- фициента наклона. Тестирование гипотез о коэффициенте наклона.

Trending Blogs

Recently Viewed Blogs

Seducation