WINMIRA

Novos recursos do WINMIRA 2001 incluem:

Algoritmos de estimativa aprimorados A estimativa dos modelos de Rasch politômicos é acelerada e aprimorada. Um algoritmo completamente reescrito garante maior velocidade de convergência.

Ajuda amigável ao usuário O sistema de ajuda on-line foi completamente reescrito e inclui uma descrição detalhada de todos os novos recursos. Consulte as seções de exemplo a seguir para obter uma impressão de alguns novos recursos e dos arquivos do sistema de ajuda correspondentes.

• suporte completo ao SPSS, ele lê e grava dados diretamente no formato de arquivo SPSS. Estimativas de parâmetros de pessoa e erros padrão, probabilidades posteriores de participação na classe (no caso de modelos de mistura), bem como

• agora, as estatísticas de ajuste da pessoa podem ser anexadas diretamente ao arquivo de dados do SPSS. Além disso, o EXCEL e outros arquivos de dados da planilha podem ser importados e exportados usando a opção 'salvar como' para gerar arquivos delimitados por tabulação.
• restrições de parâmetros foram aprimoradas e estendidas. Restrições de parâmetros logísticos (ou seja, parâmetros de itens (para modelos dicotômicos) ou localizações de itens, bem como distâncias limiares (para modelos politômicos) podem ser impostas dentro e entre as classes.Em alternativa, as probabilidades de categoria também podem ser restringidas.

Mais documentação: todos os recursos do software estão descritos em um manual de 140 páginas, incluído na versão registrada do WINMIRA 2001. Dependendo da licença adquirida, o último verso do manual é entregue em formato eletrônico imprimível de alta qualidade (PDF e PostScript) e é opcionalmente acompanhado por um manual impresso.

Para dados politômicos, o WINMIRA é capaz de estimar quatro submodelos diferentes, ou seja, o modelo de crédito parcial, o modelo de escala de classificação, o modelo de equidistância e o modelo de dispersão. Além disso, é possível estimar modelos para dados com um número diferente de categorias para cada item. O WINMIRA pode ser usado para construção de escala, isto é, seleção de itens e / ou classificação de indivíduos em populações homogêneas, por exemplo, para analisar diferentes estilos de solução nas avaliações ou para identificar padrões de resposta aberrantes (por exemplo, como resultado de trapaça ou conhecimento pré-existente sobre o exame).