同一道 BE03，在較低與較高投入程度下，選到高類別的機率會差多少？CTT（古典測驗理論）從加總分的變異出發，因素模型看題目共變；今天用試題反應理論（IRT）直接描述這個機率。它把人的潛在位置 θ 與題目參數放在同一個模型尺度上，也要求我們明說維度、局部獨立與尺度識別等假設。

先用 2PL 看二分反應

對二分題目，logistic（邏輯函數） 2PL（雙參數邏輯模型）可寫成：

P(Y_j = 1 | θ) = 1 / (1 + exp[−a_j (θ − b_j)])

在能力 θ 下答對第 j 題的機率，等於 1 除以 1 加上 exp 負 a_j 乘以 θ 減 b_j。

b_j 是曲線中點的位置；當 θ=b_j，機率為 0.5。a_j>0 控制曲線在中點附近的斜率／鑑別。這些詞只在指定模型與尺度下解釋，不是題目看一眼就擁有的永久屬性。

ENGAGE-v1 原本是五點題，直接套二分 2PL 會改變資料。為了手算，我定義一個教學用 derived 作答反應（response）：BE03 選 4 或 5 記為 1，其餘記為 0，命名 BE03_hi。這只展示 2PL；正式分析應考慮保留 ordinal categories（有序類別）的 polytomous 模型（model）。二分化會丟失資訊，不能悄悄完成。

六層責任

IRT（試題反應理論）的 scale 沒有天然零點與單位，常透過潛在（latent） distribution 或題目（item） constraints 識別。換尺度時 a、b 的數值會改，作答反應 probabilities 可保持一致。因此不能跨未連結 calibration（題目參數校準）直接比較題目難度。

完整例題：看懂題目特徵曲線（ICC）

假設 BE03_hi 的 a=1.5、b=0.5。當 θ=0.5，指數部分為 0，所以 P=.5。當 θ=1.5：

P = 1 / [1 + exp(−1.5)] ≈ 0.818

當指數部分為 1.5，答對機率約 0.818。

當 θ=-0.5，則 P≈0.182。同一題對不同 θ 並非同樣容易出現高反應。

再比較一題 a=0.7, b=0.5。兩題在 θ=.5 都有 P=.5，但第二題曲線較平；θ 離開中點時，機率變化較慢。這是 discrimination 的局部意義，不是把學生分成「會／不會鑑別」。

2PL 在 logistic constant 取 1 時的題目資訊量（item information）是：

I_j(θ) = a_j² × P_j(θ) × [1 − P_j(θ)]

題目資訊量等於鑑別度的平方，乘以答對機率，再乘以答錯機率。

第一題在 θ=b=.5 的 information（題目資訊量）為 1.5²×.25=.5625。同一題在遠離 b 時，P(1-P) 下降，information 也下降。題目「好不好」必須附帶 在哪個 θ、為哪個用途。

Claude 協作：逐一測試公式邊界

請 Claude 解釋 a 與 b 時，可以用「b 是答對題目所需的能力」檢查用語。投入題沒有客觀答對；即使是成就題，b 也是模型下達到指定反應機率的位置。這裡應說「出現高類別反應」，並先交代二分規則，才不會把態度題偷偷換成成就測驗。

我再要求邊界測試：θ=b 必為 .5；a>0 時機率隨 θ 單調上升；θ 趨正／負無窮時接近 1／0；a 接近 0 時曲線接近平坦。逐點代入可抓符號反轉，這是語言解釋看不出的常見錯誤。

反例：高鑑別參數不等於好題

某題 a 很高，但內容只是「我一定會準時交作業」，它可能窄化行為投入，或受課程規定驅動。曲線很陡只表示模型下反應對 θ 的局部變化強，不處理內容代表性與公平性。

第二個 failure case（失敗案例）是 local dependence（題目間局部相依）。BE01 與 BE04 wording 高度重疊，給定 θ 後仍一起變動；模型可能把殘餘關聯吸收到 inflated discrimination 與 information。若不查題目殘差（residual）/testlets，CAT（電腦適性測驗）會過度相信重複題目。

第三個反例是把 b 當跨群體固定。Day 18 已顯示 BE04 有 group shift；在 IRT 語言可能呈現 DIF（差異試題功能）。若題目參數不具可比性，同一 scale 上的群體比較與適性選題都要重新檢查。

從 factor model 到 IRT

二分 IRT 也可視為對 categorical indicators（指標題目）的 latent-variable 模型；CFA（驗證性因素分析）與 IRT 並非互不相關的世界。差異在連結函數、作答量尺、參數化與主要用途。把兩者放在同一本書，能看見共同的識別、維度、local independence 與模型配適（模型與資料摘要的相容程度）責任。

可先用手算表回答一個問題：當 θ 恰好等於 b，兩道不同鑑別參數的題目機率都是 .5，但資訊量是否相同？代入公式即可看到 a 的平方仍在其中。這讓「反應機率相同」與「估計位置的資訊相同」分成兩個判斷，也為下一篇選題作準備。

題目參數也有估計誤差

教學表常把 a、b 當已知常數；真實應用先要用 calibration sample 估計。樣本小、θ 範圍窄、模型設定錯誤或稀少類別，都會增加不確定性。把 estimated 題目參數固定後再估 person，若忽略 calibration uncertainty，後續標準誤可能過度樂觀。本文手算只做條件於已知參數的解釋，不宣稱完成 calibration。

題目 fit（題目 fit（item fit），模型與資料摘要的相容程度）也不能只看一個總指標。可以按 θ 區段比較 observed 與 expected 作答反應、檢查殘差 dependence、看參數是否跨樣本穩定。若某題模型配適差，先回作答歷程（response process）與內容；刪除不是唯一答案，因為題庫 coverage 可能因此出現缺口。

判斷「差」之前，先分清楚每個指標在摘要什麼：

五類題的正式模型還要處理多個 thresholds（切點）／category functions。graded 作答反應等模型可以保留類別資訊，但要求 categories 使用與 ordering 合理。若某選項幾乎沒人用，thresholds 不穩；把它合併也會改變作答反應 definition。這些都要記入資料處理，而不是由軟體靜默完成。

最後，person θ 是 model-based estimate，不是學生身上的物理刻度。ML 在全 0／全 1 pattern 可能出現極端問題，MAP/EAP 會受 prior（先驗分布）影響；報告時要記 estimator（估計方法）與 uncertainty。個人回饋若忽略這些，精緻小數只會製造虛假精確。

再用尺度轉換檢查一次：若 θ*=2θ+1，相應設定 b*=2b+1、a*=a/2，代入後有 a*(θ*-b*)=a(θ-b)，機率因此不變。以本例 a=1.5,b=.5,θ=1.5 來看，新尺度是 .75,2,4，指數的大小仍為 1.5。未做尺度連結就比較兩次校準的 b，數字差不代表題目真的改變。

原問題的答案是：IRT 用作答反應 function 把 person location 與題目參數連在同一任意尺度，並讓精確度隨 θ 改變。它不讓 θ 變成直接觀察的能力，也不替題庫（item bank）取得內容效度。

發展閱讀看 Lord／Novick 與 Chalmers 的 mirt（R 的試題反應理論套件）模型；研究閱讀再進入多分類、多維度、DIF 與尺度連結。本篇留下曲線的手算點、資訊量與二分化限制。下一篇會用資訊量選第一題，再手算一次更新與第二題選擇；完整 CAT 的停止與失敗流程另列為設計要求。

來源與協作揭露

• Lord, F. M., & Novick, M. R. (1968). Statistical Theories of Mental Test Scores，latent trait chapters。
• Chalmers, R. P. (2012). mirt: A Multidimensional Item Response Theory Package for the R Environment。