Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/47586
Files in This Item:
File Description SizeFormat 
2019­_JúlioCésarGomeFonseca.pdf2,79 MBAdobe PDFView/Open
Title: Uma aplicação do teste adaptativo computadorizado via Filtro de Kalman Não-Linear
Authors: Fonseca, Júlio César Gomes
Orientador(es):: Silva, Cibele Queiroz da
Coorientador(es):: Matsushita, Raul Yukihiro
Assunto:: Testes adaptativos informatizados (CAT)
Teoria da resposta ao item
Filtro de Kalman
Estimação Bayesiana
Issue Date: 30-Jan-2024
Citation: FONSECA, Júlio César Gomes. Uma aplicação do teste adaptativo computadorizado via Filtro de Kalman Não-Linear. 2019. xxx, 194 f., il. Dissertação (Mestrado em Estatística) — Universidade de Brasília, Brasília, 2019.
Abstract: Computarized Adaptive Test (CAT) é um tipo de teste baseado em recursos computacionais que se adapta ao nível de habilidade dos examinandos. Essencialmente, uma implementação do CAT requer dois elementos fundamentais: um banco de itens calibrado e um algoritmo para seleção adaptativa dos itens. Este trabalho tem foco no segundo elemento, para o qual apresentamos uma adaptação à formulação não linear dos filtros de Kalman, prescrita por Harvey (1989), combinada com o conhecido princípio da máxima entropia (Kullback, 1997). Neste trabalho, estudos de simulação avaliam a acurácia da estimação de proficiências em aplicações CAT, desenvolvendo duas classes de estimadores utilizando a metodologia da Teoria da Resposta ao Item para construção dos modelos probabilísticos, e suavizações recursivas ancoradas nos modelos dinâmicos, para a formulação dos modelos de Filtro de Kalman (Harvey, 1989) e Power Steady (Smith, 1979). Como resultado são apresentados sete novos estimadores da proficiência, sendo o primeiro baseado no Filtro de Kalman e os demais no Power Steady, a saber: FK_EAP, PS_EAP, PS_MAP, PS_EAP_AVG, PS_EAP_MEDIAN, PS_MAP_AVG, PS_MAP_MEDIAN. Os quatro últimos são suavizações baseadas na média e na mediana das estimativas correntes de . Com as simulações, observou-se que os estimadores PS_EAP e PS_MAP geram estimativas cíclicas, sendo corrigidas com a suavização proporcionada pelo estimador PS_EAP_AVG. Portanto, com o estudo realizado nesta dissertação conclui-se que, dentre os sete estimadores avaliados, o PS_EAP_AVG e o FK_EAP geram as melhores alternativas às estimativas de proficiência ao CAT tradicional.
Abstract: Computarized Adaptive Test (CAT) is a type of test based on computational resources that adapts to the level of ability of the examinees. Essentially, an implementation of CAT requires two fundamental elements: a calibrated item bank and a algorithm for adaptive selection of items. This work focuses on the second element, for which we present an adaptation to the nonlinear formulation of the Kalman filters, prescribed by Harvey (1989), combined with the known principle of maximum entropy (Kullback, 1997). In this work, simulation studies evaluate the accuracy of proficiency estimation in CAT applications, developing two classes of estimators using Item Response Theory methodology to construct the probabilistic models, and recursive smoothing anchored in the dynamic models, for the formulation of the models of Kalman Filter (Harvey, 1989) and Power Steady (Smith, 1979). As a result, seven new proficiency estimators are presented, the first one being based on the Kalman Filter and the others in Power Steady, namely: FK_EAP, PS_EAP, PS_MAP, PS_EAP_AVG, PS_EAP_MEDIAN, PS_MAP_AVG, PS_MAP_MEDIAN. The last four are smoothing based on the mean and median. With the simulations, it was observed that the estimators PS_EAP and PS_MAP generate cyclic estimates, being corrected with the smoothing provided by the estimator PS_EAP_AVG. Therefore, the study concluded that among the seven estimators evaluated, PS_EAP_AVG and FK_EAP generate the best alternatives to traditional CAT proficiency estimates.
metadata.dc.description.unidade: Instituto de Ciências Exatas (IE)
Departamento de Estatística (IE EST)
Description: Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, Programa de Pós-Graduação em Estatística, 2019.
metadata.dc.description.ppg: Programa de Pós-Graduação em Estatística
Appears in Collections:Teses, dissertações e produtos pós-doutorado

Show full item record " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/47586/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.