OSDN -- Développer et télécharger des logiciels Open Source
Traduction statut du Français translation status for fr

RSS
Télécharger la liste

Description du projet

OSCATS (Open-Source Computerized Adaptive Testing System) implements Item Response Theory (IRT) and cognitively diagnostic (latent classification) models and item selection algorithms used in Computerized Adaptive Testing (CAT). OSCATS facilitates the development of CATs and simulations of CATs by providing ready-to-use code for running the CAT item selection and ability/classification estimation in an extensible, modular framework. The library is written in object-oriented C using GObject, and has bindings to Python, Perl, PHP, and Java.

Système requise

System requirement is not defined
Information regarding Project Releases and Project Resources. Note that the information here is a quote from Freecode.com page, and the downloads themselves may not be hosted on OSDN.

2011-11-05 08:23
0.6

Classes de nouveaux OscatsSpace et OscatsPoint pour une représentation unifiée des espaces latentes continus, binaires et ordinales. L'unification de la OscatsContModel et les OscatsDiscrModel dans un OscatsModel unique basé sur la nouvelle représentation de l'espace latent. Généralisation des OscatsItem pour permettre à un nombre arbitraire de modèles pour les études de simulation complexe. Implémentation de l'algorithme de sélection de stratifié un élément. Nouvellement mis en place des modèles (PC, GPC et GR). Nouveaux exemples, y compris la mise en œuvre d'un algorithme personnalisé en Python.
New OscatsSpace and OscatsPoint classes for a unified representation of continuous, binary, and ordinal latent spaces. Unification of the OscatsContModel and OscatsDiscrModel into a single OscatsModel based on the new latent space representation. Generalization of OscatsItem to allow any arbitrary number of models for complex simulation studies. Implementation of the a-Stratified item selection algorithm. Newly implemented models (PC, GPC, and GR). New examples, including implementation of a custom algorithm in Python.

Project Resources

Project Page