1、隨著我國教育事業(yè)的發(fā)展，國家對“素質教育”的重視程度日益增加，主觀題在教育考試中的使用率也不斷增加，因為其可以很好地考察學生的分析、綜合、歸納以及問題解決等能力。然而，在對主觀題進行分數(shù)的評定時，由于沒有標準答案，故需要額外的評分人員對其進行評分，而在評分過程中，受各種因素的影響，評分者容易出現(xiàn)評分者效應（rater effects），最終影響評分結果的準確性，不利于測驗的發(fā)展。基于此，研究者提出并發(fā)展了一系列的評分者效應的檢測方法，如

2、概化理論（Generalizability Theory, GT）、多面Rasch模型(Many-Facets RaschMoel，MFRM)，以及多水平隨機系數(shù)模型(Multilevel random coefficient model，MRCM)等。然而，這些方法依然還存在一些局限性，無法處理評分過程中遇到的所有問題。
　　本研究擬將項目反應模型、多水平模型和評分者模型三者相結全，提出并探討一種既可以處理繼時性的加工任務，又可

3、以考察評分者影響因素，同時還可以準確地檢測出各種評分者效應的評分者模型，該模型被命名為等級反應多水平側面模型(Grade Response Multilevel Facets Model，GR-MLFM)。該模型屬于非線性混合效應模型范疇，包含了三個主要部分:隨機成分(the random component)、鏈接函數(shù)(the link function)以及非線性成分(the nonlinear component)。為驗證模型的合

4、理性，本研究在MCMC方法基礎上通過兩個模擬研究和一個實證研究對其進行論證。
　　模擬研究一主要論證的是等級反應多水平側面模型(GR-MLFM)在不包含任何預測變量（即零模型）的情況下模型的返真性。50次重復試驗的結果表明，GR-MLFM的參數(shù)估計值與真值之間的差異非常小，其在偏差值(Bias)、絕對百分比偏差(percentage bias，PB)和誤差均方根(RMSE)等3個指標上的值均很小，說明模型的擬合情況較為理想。與此同

5、時，研究還比較了GR-MLFM和Wang和Liu(2007)等提出的廣義多水平側面模型(G-MLFM)對數(shù)據的擬合情況，結果發(fā)現(xiàn)G-MLFM所得到的大部分參數(shù)估計值與真值有較大差異，并且其估計結果在4個指標上的值相對較大，可見，G-MLFM的估計結果較差，說明G-MLFM并不適用于繼時性加工任務情境下的評分者效應分析，而GR-MLFM則比較適合于該任務情境，該結果論證了Tutz(1990)和Andrich(1995)兩位學者的觀點。

6、r>　　模擬研究二論證了GR-MLFM在包含被試和評分者預測變量（即完整模型）的條件下，模型的擬合情況。實驗結果表明，除了評分者3的固定效應值（γ30）與真值間的差異在.1以上外，其它的參數(shù)估計值與真值間的差異均在.1以內;同時，模型的各估計值在3個指標上的值也相對較小，除γ30外，其PB值為10.101％，達到了‘顯著性偏差’的標準(PB≥10％)?？梢?，模型可以較準確且穩(wěn)定地擬合數(shù)據，具有較好的適用性。
　　研究三為實證研究，

7、其目的在于進一步驗證模型的實際評分任務中的功效。研究通過4個主觀題考察學生的數(shù)學問題解決能力。研究還將學生的性別和評分者的責任心、情緒穩(wěn)定性、自信心、以及評分經驗等4個變量納入到模型中，以考察評分任務中的評分者效應。結果發(fā)現(xiàn)，所有20位評分員中，只有一個評分員存在顯著的寬松效應，其他評分員的寬嚴度效應不顯著。此外，學生的性別對學生的數(shù)學問題解決能力沒有預測作用，且不同性別學生的數(shù)學問題解決能力沒有差異。而評分者的2個預測變量則對其評分結