Statistical Computing and Bayesian Analysis in Psychometrics

报告题目:Statistical Computing and Bayesian Analysis in Psychometrics
报 告 人:陈颖菡 助理教授(美国内华达大学里诺分校)
报告时间:2019年12月31日(星期二)上午10:00
报告地点:学院205室

报告摘要:Research in psychometrics focuses on developing theories and methodologies for measurement of abstract concepts such as abilities, knowledge, personality traits and so on. I'll introduce some popular frameworks used in psychometrics and focus on cognitive diagnosis models.  Cognitive diagnosis models (CDMs) are widely used for providing fine-grained classification of multidimensional collection of discrete attributes. The estimation of individual's mastery of attributes, as well as the estimation of the test item's requirement of attributes, are two fundamental questions in the application of CDMs. I'll present a Bayesian framework for CDMs and develop Gibbs sampling algorithms to estimate the corresponding parameters.  An extension of this approach is also able to estimate the unknown number of attributes simultaneously. The proposed algorithms are illustrated by some real data applications.

专家简介:陈颖菡博士是内华达大学里诺分校数学与统计系的助理教授,2017年在伊利诺伊大学香槟分校获得统计博士学位,2012年毕业于中国科学技术大学。她的主要研究方向有统计计算,蒙特卡罗方法,贝叶斯分析,潜在类别模型,心理计量方法,曾在Psychometrika,Journal of Computational  and Graphical Statistics, Applied Psychological Measurement等期刊上发表论文。