시뮬레이션 연구를 통한 일반화부분점수모형과 일반화등급전개모형의 비교

A simulation study for comparing the generalized graded unfolding model and the generalized partial credit model

태도 및 성격 등과 같은 정의적 특성 관련 검사에서는 검사 문항에 대한 피험자의 응답이 누적기제가 아닌 전개기제를 따를 수 있다. 이런 경우 일반화부분점수모형과 같은 전통적인 문항반응모형보다는 일반화등급전개모형과 같은 대안적 문항반응모형을 통한 자료 분석이 보다 적절할 것이다. 본 연구에서는 우선 각 기제의 의미와 함께 두 모형의 공통점과 차이점을 이론적인 맥락에서 자세히 살펴본다. 이어서 시뮬레이션 자료를 통하여 자료의 속성에 따라 일반화등급전개모형과 일반화부분점수모형이 상호 차별되는 수행을 보이는 지를 피험자 특성 모수 추정을 중심으로 탐색하였다. 첫째, 피험자의 진 특성모수가 각 모형을 통하여 제대로 복원될 수 있는지 그리고 다른 모형으로 생성된 자료에 대해서도 정확한 특성 모수 추정이 가능한 지를 살펴보았다. 둘째, 전개기제를 따르는 모의실험 자료에 대해 리커트 척도 적용 하에서 문항점수들의 합으로 계산되는 검사원점수가 피험자 특성을 잘 대표할 수 있는지를 탐색하였다. 결과적으로 문항들의 평균적 곤란도와 피험자들의 특성이 유사한 분포를 가질 때에는, 생성모형을 분석모형으로 사용할때만 정확한 특성 모수 복원이 가능하며 또한 전개기제 하에서는 검사원점수의 사용이 적합하지 않은 것으로 나타났다.

The responses to affective testing items could follow unfolding mechanism rather than cumulative mechanism. In such cases, the generalized graded unfolding model(GGUM) is more appropriate in analyzing testing data than traditional polytomous item response models such as the generalized partial credit model(GPCM). In this study, first, theoretical commonalities and differences of both models and the meaning of each mechanism would be explored in more detail. Then, a simulation study was conducted to find practical differences between two models according to the characteristics of given data. First, theta recovery studies were conducted to find examinee parameters could be accurately estimated by either the GGUM or the GPCM under various simulation conditions. Second, the validity of test raw scores in the use of Likert scales was investigated to see whether they could successfully represent examinees’ traits under the unfolding mechanism. In conclusion, when average item difficulty was similar to overall trait level of examinees, the accurate trait recovery seemed to be possible only when the generating model was used for data analysis. Also, the use of test raw scores could not be justified in the presence of the unfolding mechanism.