On the other hand, let us make the

On the other hand, let us make the highly reasonable assumption that the trait is normally distributed such that the majority of the examinee population is between plus and minus 1 standard deviation from the mean. In this situation it may be reasonable to try to maximize the information in the middle of the trait range where most people are, and to deemphasize measurement precision in the extremes. This would be accomplished by identifying highly discriminating items that had difficulty values in the middle of the trait range. Items with large positive and negative difficulties would be eliminated from the final version of the test. In this situation, the test created by IRT methods would be highly similar to the test created by traditional item analysis.

結果 (繁體中文) 1:

在另一方面，讓我們做的非常合理的假設性狀呈正態分佈使得大部分考生群體是平均正負1個標準差之間。在這種情況下，它可能是合理的，盡量讓在大多數人的特質範圍的中間的信息，並在極端不強調測量精度。這將通過識別，在特徵範圍的中間有困難高度重視鑑別項目來完成。大正面和負面的困難，項目將在試驗的最終版本被淘汰。在這種情況下，通過IRT方法創建的測試將非常類似於傳統的項目分析創建的測試。

結果 (繁體中文) 2:

另一方面，讓我們作出高度合理的假設，即特徵是正態分佈的，使大多數考生群體在正負1標準差之間。在這種情況下，嘗試將資訊最大化在大多數人所在的特徵範圍中間，並在極端情況下降低測量精度可能是合理的。這將通過識別在特徵範圍中間具有困難值的高度區分項來實現。具有較大的正負困難的專案將從測試的最終版本中消除。在此情況下，由 IRT 方法創建的測試將與傳統項分析創建的測試非常相似。

結果 (繁體中文) 3:

另一方面，讓我們做一個高度合理的假設，即特質是常态分配的，囙此大多數考生的平均值在正負1個標準差之間。在這種情況下，盡可能最大化大多數人所處特徵範圍中間的資訊，並在極端情况下不強調測量精度是合理的。這將通過識別在特徵範圍中間有困難值的高度辨別項目來實現。陽性和陰性困難較大的項目將從測試的最終版本中消除。在這種情況下，IRT方法創建的測試與傳統項目分析創建的測試非常相似。