まえがき |
第1章 測定と評価 繁桝算男 |
1.1 測定 1 |
1.2 教育評価 5 |
1.3 決定理論 6 |
1.4 進路指導 11 |
1.5 教育評価の評価 17 |
1.6 教育評価の将来 20 |
第2章 教育データの情報量分析 永岡慶三 |
2.1 エントロピー 24 |
2.1.1 エントロピー関数 24 |
2.1.2 エントロピーの導入 26 |
2.1.3 不確定度 30 |
2.1.4 エントロピー関数の展開 32 |
2.2 授業過程の情報量分析 37 |
2.2.1 授業の客観的記述 37 |
2.2.2 カテゴリシステム 38 |
2.2.3 カテゴリ総数とエントロピー 40 |
2.2.4 科目別カテゴリ度数分布の比較 42 |
2.2.5 マルコフ解析-「行って,帰って,また行く」の数理表現 44 |
2.3 教育の場における質的データの情報量分析 50 |
2.3.1 分割表 50 |
2.3.2 相互情報量 51 |
2.3.3 規準としてAICをとった場合 53 |
2.3.4 実データへの適用 54 |
2.3.5 規準にMDLをとった場合 57 |
第3章 テスト得点の記述 撫尾知信 |
3.1 テストの意義と種類 61 |
3.1.1 テストとは何か 61 |
3.1.2 テストの種類 62 |
3.2 テスト項目の採点とテスト得点の算出 64 |
3.3 テスト得点の統計的測度 66 |
3.3.1 テスト得点の平均値・分散及び標準偏差 66 |
3.3.2 テスト得点間の共分散及び相関係数 67 |
3.4 テスト得点の備えるべき特性 67 |
3.4.1 測定誤差のモデル 68 |
3.4.2 測定の精度と信頼性 69 |
3.4.3 信頼性係数の推定法 69 |
3.4.4 妥当性 73 |
3.4.5 CRTの信頼性と妥当性 76 |
3.5 テスト得点の変換 78 |
3.5.1 順位とパーセンタイル順位 78 |
3.5.2 線形変換と標準得点 79 |
3.5.3 正規分布と正規化得点 80 |
3.5.4 多段階評定値 82 |
第4章 テスト得点の統計的モデルによる分析: 藤森 進 |
項目反応理論 |
4.1 項目反応理論の基礎 85 |
4.1.1 2母数ロジスティックモデルと母数の意味 85 |
4.1.2 情報関数 88 |
4.1.3 一因子性の仮定と局所独立性 89 |
4.2 各種の項目反応モデル 90 |
4.3 被験者の能力母数と項目母数の推定 92 |
4.3.1 能力母数の推定 92 |
4.3.2 項目母数と能力母数の同時推定 93 |
4.3.3 項目母数の推定 94 |
4.3.4 母数の推定に必要な標本の大きさ 95 |
4.3.5 能力母数の尺度と等化 95 |
4.4 項目反応理論とコンピュータ 95 |
4.5 実践的適用例 97 |
4.5.1 能力検査への適用 97 |
4.5.2 性格検査への適用 98 |
第5章 教育実験の計画と分析 繁桝算男 |
5.1 教育における実験の意義 103 |
5.2 統計的準備 105 |
5.3 完全無作為法 106 |
5.3.1 数値例 108 |
5.3.2 分散分析表 109 |
5.3.3 多重比較 110 |
5.3.4 事前計画比較 110 |
5.3.5 事後比較の方法 112 |
5.4 2元配置計画 114 |
5.4.1 要因実験 114 |
5.4.2 数値例 118 |
5.4.3 分散分析表 118 |
5.5 無作為化グループ計画(A×G) 121 |
5.6 処遇内グループ計画(G(A)) 122 |
5.7 分割計画(B×S(A)) 123 |
5.7.1 数値例 124 |
5.7.2 分散分析表 125 |
5.8 教授法の最適化 126 |
5.8.1 個々の学習者にとっての教授法の最適化 127 |
5.8.2 集団にとっての教授法の最適化 129 |
第6章 多変量データの整理と分析 市川雅教 |
6.1 多変量解析法とは 131 |
6.2 重回帰分析 131 |
6.2.1 線形回帰モデル 131 |
6.2.2 最小二乗推定 132 |
6.2.3 仮説検定 134 |
6.2.4 回帰式の有意性の検定 134 |
6.2.5 回帰係数の有意性の検定 134 |
6.2.6 説明変数の選択とモデルの吟味 135 |
6.3 判別分析 137 |
6.3.1 2群の判別 137 |
6.3.2 判別関数の推定 138 |
6.3.3 誤判別率の推定 139 |
6.4 主成分分析 140 |
6.4.1 分散共分散行列の場合の主成分 140 |
6.4.2 相関係数行列の場合の主成分 142 |
6.4.3 取り上げる主成分の個数 143 |
6.4.4 主成分分析の使い方 144 |
6.5 因子分析 145 |
6.5.1 因子分析モデル 145 |
6.5.2 因子分析における推定 147 |
6.5.3 因子の回転 147 |
6.5.4 因子得点の推定とその利用 148 |
6.6 クラスター分析 149 |
6.6.1 さまざまな距離 150 |
6.6.2 クラスター分析の方法 151 |
第7章 評価のあいまいさとファジィ評価の教育への適用 北垣郁雄 |
7.1 教育評価とあいまいさ 155 |
7.2 評価モデルとあいまいなデータ 160 |
7.3 ファジィ評価システムの教育への適用 166 |
7.3.1 ファジィ積分とρ-ファジィ測度 166 |
7.3.2 ファジィ評価によるCAIのイメージ調査 171 |
第8章 学習と洞察の実験的研究とそのコンピュータモデル 中川正宣 |
8.1 記憶学習と理解 178 |
8.1.1 「おぼえること」と「わかること」 178 |
8.1.2 「わかること」と「解けること」 183 |
8.2 「問題の理解」から「問題構造の理解」へ 184 |
8.2.1 回り道行動 184 |
8.2.2 抽象的回り道行動とその実験 185 |
8.2.3 問題解決のモチベイション 191 |
8.3 理論モデルの試み 193 |
8.3.1 理論モデルの公理系 193 |
8.3.2 具体的行動過程への適用 196 |
8.3.3 回り道行動の学習過程 201 |
8.4 モデルから現実へ 理解の過程は連続的か 203 |
8.5 将来へ向けて 205 |
8.5.1 「出来ること」と「わかること」は同じか 205 |
8.5.2 ニューラルネットワークの夢 206 |
あとがき |