•  
  •  
 

ORCID

Yi Zheng: https://orcid.org/0000-0003-2671-0820

Sijia Huang: https://orcid.org/0000-0002-1504-3965

Steven Nydick: https://orcid.org/0000-0002-2908-1188

Susu Zhang: https://orcid.org/0000-0003-0751-6467

Abstract

近年来，机器学习在教育测量（以下简称“测量“）领域的应用发展迅速。基于这一趋势，本文认为有必要探究机器学习方法与测量基本原则之间可能存在的脱节现象。MxML项目旨在探讨如何缩小二者之间的差距，从而使机器学习更好地服务于测量实践。该项目的第一阶段是对近十年测量文献的系统回顾，我们在其中概述了：（1）探讨机器学习的测量领域；（2）文章类型；（3）所探讨的机器学习方法；（4）测量基本原则与机器学习方法之间可能存在的差距。本文汇报了该项目第二阶段的研究成果，即对国际测量界进行的一项问卷调查，以了解测量从业人员对于将机器学习技术用于测量的经验、态度和看法。

DOI

https://doi.org/10.59863/PKQX3010

Download

Share

COinS