15、心理测量学在教育与测试构建中的应用与思考

心理测量学在教育与测试构建中的应用与思考

1. 因子分析在测试构建中的特殊用途

在科学研究中，我们常常渴望数据具有系统性和规律性，期望假设和先入之见得到支持，但往往意外的结果才更具启发性，心理学领域尤其如此。因子分析在心理测量学中有着特殊的用途，尽管曾遭到不合理的反对，但它实际上是一种非常适合心理测量的技术。

因子分析在测试构建中的应用主要体现在以下几个方面：
- 探索数据结构 ：因子分析能够帮助我们探索二进制和顺序数据，通过分析变量之间的相关性，揭示数据的潜在结构。例如，在测试构建中，它可以帮助我们确定合适的子测试数量、了解猜测的程度、发现被试对社会期望性项目的选择偏好以及检测文化偏差等问题。
- 确保测试有效性 ：从有效性的角度来看，测试向量与任务向量在因子空间中很少能完全重合。不同方向的偏差代表着不同形式的无效性，可能存在各种干扰因素。例如，在人格测试中，正向计分和负向计分的项目分别加载在不同因子上，可能是由于被试的默认倾向（即有些人倾向于对所有陈述都表示同意，而有些人则倾向于都表示不同意）导致的。通过因子分析，我们可以识别并分离出这种干扰因素，选择能够有效消除默认效应的项目。
- 减少虚假效应 ：在测试构建中引入一些测谎项目，如艾森克人格问卷中的“我一生中从未偷过任何东西，哪怕是一根针”，可以通过因子分析得到代表说谎的因子，从而选择项目使主要测试向量远离这种不必要的干扰。
- 测试单维模型的充分性 ：在确定测试是需要单维的单一分数还是多维的子分数结构时，因子分析可以发挥重要作用。当测试说明存在模糊性或有