「心理計量學」期刊最有影響力的 20 篇文章（Psychometrika 2010-2023）

嗨大家：

今天我們來說一下「心理計量學」，AKA Psychometrika。這是由美國心理計量學會（Psychometric Society）支持，由 Springer 出版的期刊，每年發行 4 期。你可以在這裡找到期刊的網站：https://link.springer.com/journal/11336

🟣 魔法史 (Index)

在這裡，我們使用了一種特殊的研究方法，就是透過 Web of Science 資料庫，設定Publication Titles 搜尋 Psychometrika，時間範圍則為 2010 年至 2023 年，一共獲得了 770 篇文獻。（本文內容有和 chatgpt 聊過。）接著，我們使用R語言的 bibliometrix 套件中的 biblioshiny() app進行歷史共被引分析。這個分析讓我們能夠深入瞭解Psychometrika期刊在過去這段時間的引用情況。在分析中，我們設定了 20 篇採用文獻節點（實際出來可能更多），同時也考慮了那些沒有連結的文獻點。

如果對於這個主題有興趣，也歡迎大家提出問題或分享你的想法。謝謝大家的聆聽！

祝大家學術順利，有任何問題都可以隨時問我哦！

主要資訊圖

我們來看一下「心理計量學」期刊的一些有趣數據。在 2010-2023 年，這期刊共有 770 篇文章，其中合著作者平均 2.5 位。每年成長率 2.99%，文章平均年齡 6.95 歲，每篇文章平均被引用 17.2 次。這些數字背後反映了這個領域的研究活力和影響力。

歷史引用圖

「心理計量學」期刊從2010年以來，最關鍵的 25 篇文章，大致呈現出 5 條主要的研究方向。以及有兩篇單獨的重要文章。

• 方向１：多向度 IRT 模式（紅色，比重：16%）。

可以看到把較大的點是 cai l, 2010 這篇文章。這篇文章提出了 MIRT 現在最重要的估計法之一的 MHRM 算法。有了 MHRM，多向度試題反應理論估計才變得比較容易。R 語言的 mirt 套件有內建這個算法。另外其他的文章也大多是跟 MIRT 的估計方法有關。

• 方向２：反應時間模式（藍色，比重：8%）。

反應時間模式的研究在這本期刊比較少。但意外的是，居然被抓出來！比較重要的是 bolsinova m, 2017 這篇文章。這篇文章講的是作答反應和反應時間聯合模式中，遇到條件獨立性違反的問題。

• 方向３：認知診斷模式、診斷分類模式（橘色，比重：52%）。

這一區佔比最重。的確在 2010 年以後，關於診斷模式的研究是心理計量學中的熱點。沒想到這麼多！最關鍵的當然是 de la torre j, 2011 年提出的 G-DINA 模式。後續在 2018-2020 之間也有很多重要發表，探討的大多是 Q 矩陣和識別性的問題。

• 方向４：機器學習的應用（咖啡色，比重：8%）。

主要是機器學習概念應用在 Rasch 模式的 DIF 檢測上。STROBL C, 2015 使用的是 Trees，TUTZ G, 2015 是談懲罰方法。

• 方向５：心理計量網路分析（粉紅色，比重：8%）。

這邊有2篇文章，一個是介紹 OpenMx 2.0 版（NEALE MC, 2016）。這是一個 R 上面的 SEM 軟體，但沒想到他有這麼重要。另一個是近幾年流行起來的網絡心理計量學（EPSKAMP S, 2017）。其實也可以算是機器學習方法的延伸。

20+ 篇重要文獻連結（可用doi查找）

節省版面，只提供文獻縮寫（和上圖對應），doi，以及中文翻譯名稱。文獻排序和圖上一樣，由上至下。

• CAI L, 2010, DOI 10.1007/S11336-009-9136-X
  用 Metropolis-Hastings Robbins-Monro (MHRM) 演算法進行高維探索性試題因素分析
• EDWARDS MC, 2010, DOI 10.1007/S11336-010-9161-9
  驗證性試題因素分析的馬爾可夫鏈蒙特卡羅方法
• SUN JA, 2016, DOI 10.1007/S11336-016-9529-6
  透過 L1 正則化進行多維試題反應理論模型的潛在變量選擇
• CHEN YX, 2019, DOI 10.1007/S11336-018-9646-5
  高維探索性試題因素分析的聯合最大概似估計
• VAN DER LINDEN WJ, 2010, DOI 10.1007/S11336-009-9129-9
  對測試題目的反應和/或反應時間之間的條件獨立性進行統計檢驗
• BOLSINOVA M, 2017, DOI 10.1007/S11336-016-9537-6
  反應時間與準確性之間的條件依賴性建模
• CHENG Y, 2010, DOI 10.1007/S11336-009-9144-X
  易錯題目參數估計對潛在特質回復性的影響
• WANG C, 2011, DOI 10.1007/S11336-010-9186-0
  Kullback-Leibler 訊息及其在多維適性測驗中的應用
• DE LA TORRE J, 2011, DOI 10.1007/S11336-011-9207-7
  廣義 DINA 模型框架 🌟 圈內人最愛！(LCS: 43)
• SAN MARTÍN E, 2013, DOI 10.1007/S11336-013-9322-8
  帶有猜測參數的 1PL 模型的識別：參數和半參數結果
• TEMPLIN J, 2014, DOI 10.1007/S11336-013-9362-0
  分層診斷分類模型： 用於估計和測試屬性等級的模型家族
• WANG SY, 2015, DOI 10.1007/S11336-013-9372-Y
  認知診斷中非參數分類的一致性
• XU GJ, 2016, DOI 10.1007/S11336-015-9471-Z
  診斷分類模型的可識別性
• DE LA TORRE J, 2016, DOI 10.1007/S11336-015-9467-8
  經驗 Q 矩陣驗證的一般方法
• CHEN YH, 2018, DOI 10.1007/S11336-017-9579-4
  DINA Q 矩陣的貝氏估計
• CULPEPPER SA, 2019, DOI 10.1007/S11336-019-09683-4
  二元屬性次序反應的探索性診斷模型： 可識別性與估計
• CULPEPPER SA, 2019, DOI 10.1007/S11336-018-9643-8
  用專家知識估計認知診斷 Q 矩陣：在分數減法資料集上的應用
• GU YQ, 2019, DOI 10.1007/S11336-018-9619-8
  DINA 模型可識別性和可估計性的充分必要條件
• FANG GH, 2019, DOI 10.1007/S11336-018-09658-X
  診斷分類模型的可識別性
• CHEN YY, 2020, DOI 10.1007/S11336-019-09693-2
  用於認知診斷的稀疏潛在類別模型
• CHEN YH, 2021, DOI 10.1007/S11336-021-09750-9
  推論探索性 DINA 模型的屬性數量
• STROBL C, 2015, DOI 10.1007/S11336-013-9388-3
  Rasch 樹：檢測 Rasch 模型中差異試題功能的新方法
• TUTZ G, 2015, DOI 10.1007/S11336-013-9377-6
  Rasch 模型中差異試題功能的懲罰方法
• NEALE MC, 2016, DOI 10.1007/S11336-014-9435-8
  OpenMx 2.0： 擴展結構方程和統計建模 🌟 最出圈文章！(GCS: 618)
• EPSKAMP S, 2017, DOI 10.1007/S11336-017-9557-X
  廣義網絡心理計量學： 結合網絡模型和潛在變量模型