‘문항반응이론’은 검사 문항의 특성과 피험자의 잠재 능력을 수리적 모형을 통해 추정하는 검사 이론입니다. 검사 총점을 기반으로 문항을 분석하고 피험자의 능력을 추정하는 ‘고전검사이론’은 우리에게 매우 익숙하고 흔히 접할 수 있는 검사 이론이지만, 문항의 난이도, 변별도와 같은 문항 고유의 특성이 피험자의 특성에 따라 변화되기 때문에 문항의 특성과 피험자의 능력 불변성이 유지될 수 없다는 단점을 지닙니다. 

쉽게 설명하면, 고전검사이론 하에서는 동일한 영어 시험을 영어 실력이 우수한 A집단과 실력이 우수하지 못한 B집단, 이 두 집단에 실시했을 때, A집단에서는 상대적으로 문항이 쉬운 것으로, B집단에서는 상대적으로 문항이 어려운 것으로 나타나, 문항이 달라지지 않았음에도 불구하고 피험자 집단에 따라 문항의 난이도가 다르게 측정됩니다.

[관련 글] 검사에서 100점 만점 원점수를 쓰지 않고 T점수를 쓰는 이유가 뭔가요?

한편 문항반응이론 기반의 분석결과는 확률적 모형식을 통해 집단의 특성에 영향을 받지 않고 추정이 이뤄지기 때문에 이러한 고전검사이론의 단점을 보완할 수 있으며 피험자 능력분포에 따라 문항의 특성과 피험자의 능력 추정이 달라지지 않는다는 장점을 지닙니다.

문항반응이론에서는 아래와 같이 각 문항별로 피험자의 능력 수준에 따라 문항을 맞힐 확률을 S자 곡선으로 표현한 고유의 문항특성곡선(ICC: Item Characteristic Curve)을 계산합니다. 이를 통해 각 문항의 모수(난이도, 변별도, 추측도 등)를 추정합니다.

아래 그림에서 세로축 문항을 맞힐 확률이 0.5에 해당하는 가로축 피험자 능력 추정치가 문항 난이도를 의미하며, 문항의 변별도는 문항 맞힐 확률이 0.5인 지점의 곡선의 기울기를 의미합니다. 또한 문항의 추측도는 문항을 맞힐 확률을 나타내는 y축 절편 값이 문항의 추측도가 됩니다. 

이러한 수학적 모형을 통해 문항의 모수와 피험자의 능력이 추정되고, 추정된 피험자의 능력은 선형 변환 과정을 거쳐 점수로 산출됩니다.

이와 같은 문항반응이론은 문항과 피험자 특성에 대해 고도화되고 정교화된 측정을 할 수 있다는 점에서 현재 TOEFL, GRE, TEPS 등 다양한 검사에서 이미 보편적으로 적용되고 있으며, 문항모수불변성, 피험자모수불변성이라는 강력한 장점을 지녀 컴퓨터 적응 검사(CAT)와 같은 온라인 검사 시스템 구현에도 널리 활용되고 있습니다.

(최종 검토: 김윤주 선임연구원)

이미지 출처: pixabay

전체 글은 비에스씨 공식블로그에서 보실 수 있습니다.

https://blog.naver.com/bsc_hr/222974926257