Lý thuyết ứng đáp câu hỏi là gì? Các nghiên cứu khoa học

Lý thuyết ứng đáp câu hỏi (item response theory / IRT) là hệ thống mô hình đo lường tâm trắc học thiết lập mối quan hệ phi tuyến giữa năng lực tiềm ẩn của cá nhân và xác suất trả lời đúng từng câu hỏi dựa trên các thông số đặc trưng của câu hỏi. Lý thuyết ứng đáp câu hỏi là khuôn khổ mô hình xác suất dùng để phân tích mối quan hệ giữa khả năng tiềm ẩn của cá nhân (ký hiệu θ) và xác suất trả lời đúng từng mục câu hỏi. Khác với thuyết kiểm tra cổ điển chỉ dựa vào tổng điểm, IRT coi mỗi câu hỏi là một hàm ngẫu nhiên phụ thuộc vào tham số đặc trưng và năng lực của người trả lời.

Mỗi mục (item) được xác định bởi các tham số như độ khó, độ phân biệt và khả năng trả lời đúng do đoán ngẫu nhiên. IRT cho phép so sánh năng lực giữa những đề kiểm tra khác nhau thông qua cùng một thước đo θ, bất chấp cấu trúc hoặc mức độ khó của đề.

• Đặc trưng từng item: tham số mô tả hành vi trả lời.
• Năng lực θ: ẩn số ước lượng từ mẫu câu trả lời.
• Tính linh hoạt: thích hợp cho adaptive testing, ngân hàng câu hỏi đa dạng.

Lịch sử phát triển

Ý tưởng khởi nguồn từ những năm 1950–1960, khi Lord và Novick đưa ra mô hình 1PL (Rasch model) nhấn mạnh tham số độ khó. Carl F. Rasch ban đầu phát triển mô hình 1 thông số để phục vụ khảo sát xã hội học, sau này được ứng dụng rộng rãi trong giáo dục.

Đến thập niên 1980–1990, các nhà nghiên cứu mở rộng sang mô hình hai tham số (2PL) với thêm độ phân biệt a_i, và ba tham số (3PL) bổ sung hệ số đoán ngẫu nhiên c_i. Sự phát triển phần mềm IRTPRO, BILOG-MG và mirt trong R đã thúc đẩy ứng dụng IRT cho các kỳ thi chuẩn hóa như GRE, TOEFL.

Thập kỷ gần đây, IRT đa chiều (Multidimensional IRT – MIRT) và các phương pháp kết hợp Bayesian như bài toán EM giúp ước lượng tham số ổn định hơn với mẫu nhỏ. Xu hướng hiện tại còn bao gồm tích hợp IRT với machine learning để tối ưu ngân hàng câu hỏi và adaptive learning.

Cơ sở lý thuyết và giả thiết

Giả thiết cốt lõi đầu tiên là “độc lập cục bộ” (Local Independence), nghĩa là phản ứng trả lời mỗi item chỉ phụ thuộc vào năng lực θ và tham số của item, không chịu ảnh hưởng của các item khác khi đã biết θ.

Giả thiết thứ hai là “đơn chiều” (Unidimensionality), tức giả thiết năng lực θ là yếu tố duy nhất chi phối xác suất trả lời đúng. Khi áp dụng MIRT, giả thiết này được nới lỏng để cho phép nhiều năng lực tiềm ẩn cùng tác động.

• Local Independence: P(ui|θ, uj …)=P(ui|θ).
• Unidimensionality: Một thước đo θ đủ giải thích toàn bộ phản ứng.
• Monotonicity: Xác suất trả lời đúng tăng theo θ.

Các loại mô hình cơ bản

Mô hình 1PL (Rasch): chỉ chứa tham số độ khó b_i, giả sử độ phân biệt a=1 cố định và không tính đến đoán ngẫu nhiên. Mô hình đơn giản, dễ ước lượng và cho phép so sánh thẳng năng lực giữa các đề khác nhau.

Mô hình 2PL: bổ sung tham số độ phân biệt a_i, cho phép mỗi item phản ánh khả năng tách biệt tốt năng lực cao và thấp. Tuy nhiên yêu cầu mẫu quan sát lớn hơn để ước lượng chính xác.

Mô hình 3PL: thêm tham số đoán ngẫu nhiên c_i, đặc biệt quan trọng với câu hỏi trắc nghiệm có khả năng chọn đáp án đúng khi không biết. Mô hình này thường dùng cho kỳ thi tuyển sinh và khảo thí chuẩn hóa.

Mô hình	Tham số	Ưu điểm
1PL (Rasch)	bi	Đơn giản, ổn định với mẫu nhỏ
2PL	ai, bi	Phản ánh độ phân biệt
3PL	ai, bi, ci	Bao gồm đoán ngẫu nhiên

• 1PL: dễ tính, ít biến động.
• 2PL: phù hợp khi câu hỏi có độ phân biệt khác nhau.
• 3PL: cần thiết cho trắc nghiệm khách quan.

Hàm xác suất trả lời đúng

Hàm xác suất trả lời đúng mỗi mục trong mô hình 3 tham số được biểu diễn qua hàm logistic ba tham số:

$P_i(\theta)=c_i + (1-c_i)\frac{1}{1 + \exp[-a_i(\theta - b_i)]}.$

Trong đó:

• θ là năng lực tiềm ẩn của người trả lời.
• a_i (discrimination) đo độ nhạy của câu hỏi với năng lực.
• b_i (difficulty) là mức năng lực tại đó xác suất đúng đạt 50% trên phần còn lại.
• c_i (pseudo‐guessing) là xác suất trả lời đúng khi θ → −∞, thể hiện khả năng đoán ngẫu nhiên.

Đồ thị hàm đáp ứng câu hỏi (Item Characteristic Curve – ICC) minh họa sự thay đổi xác suất trả lời đúng theo θ. ICC có độ dốc lớn nhất tại điểm b_i và càng phẳng với giá trị c_i cao hơn. Hàm thông tin của mục (Item Information Function – IIF) biểu diễn như:

$I_i(\theta)=\frac{a_i^2(1 - P_i(\theta))\bigl(P_i(\theta)-c_i\bigr)}{(1-c_i)^2 P_i(\theta)}.$

Ước lượng tham số

Ước lượng tham số trong IRT gồm hai nhóm chính:

• Ước lượng năng lực θ sử dụng Maximum Likelihood Estimation (MLE) hoặc Expected A Posteriori (EAP) với giả thiết tham số item đã biết trước.
• Ước lượng tham số item (a_i, b_i, c_i) dùng phương pháp MLE hoặc phương pháp Bayes kết hợp thuật toán Expectation–Maximization (EM).

Quy trình EM lặp lại giữa bước E (ước lượng phân phối θ cho mỗi người dựa vào tham số hiện tại) và bước M (cập nhật tham số item tối đa hóa likelihood). Phần mềm phổ biến cho ước lượng bao gồm IRTPRO, BILOG-MG và gói mirt trong R.

Phương pháp	Ưu điểm	Hạn chế
MLE	Ước lượng không lệ thuộc phân phối prior	Không ổn định khi θ quá cao hoặc quá thấp
EAP	Ổn định với mẫu nhỏ, kết hợp prior giúp ngăn quá khớp	Cần chọn phân phối prior phù hợp
EM	Ước lượng đồng thời tham số item và θ	Chi phí tính toán cao, đòi hỏi nhiều vòng lặp

Đánh giá độ phù hợp mô hình

Độ phù hợp mô hình được kiểm tra qua các chỉ số:

• Chi‐square hoặc S‐X² cho từng item so sánh tần suất quan sát và kỳ vọng.
• Q‐index đo mức độ sai biệt giữa mô hình và dữ liệu thực.
• Đồ thị đồ dư (Residual Plot) và đồ thị ICC chồng lên dữ liệu thực để quan sát sai khác.

Đặc biệt, Test Information Function (TIF) thể hiện tổng lượng thông tin của toàn kiểm tra tại mỗi mức θ, giúp thiết kế adaptive test lựa chọn item tối ưu nhằm tối đa hóa thông tin ở vùng năng lực cần đo.

Ứng dụng và ví dụ

IRT được ứng dụng rộng rãi trong giáo dục và tâm lý học:

• Khảo thí chuẩn hóa: GRE, TOEFL sử dụng mô hình 3PL để đánh giá năng lực đọc, toán và viết.
• Đánh giá chuyên môn: bài thi y khoa USMLE và các đề kiểm tra chứng chỉ chuyên ngành.
• Ngân hàng câu hỏi và adaptive testing: phần mềm CAT (Computerized Adaptive Testing) chọn item dựa vào θ ước lượng nhằm tối ưu độ chính xác và giảm số lượng câu hỏi.

Ví dụ, trong bài thi CAT với 50 item, hệ thống sẽ chọn item tiếp theo dựa trên IIF cao nhất tại θ hiện tại, đảm bảo giảm thiểu phương sai ước lượng năng lực.

Ưu điểm và hạn chế

Ưu điểm:

• So sánh năng lực ngang hàng qua nhiều phiên bản đề thi khác nhau.
• Thiết kế adaptive test giảm số câu hỏi nhưng tăng độ chính xác.
• Phân tích sâu từng item: đánh giá độ khó, độ phân biệt và đoán ngẫu nhiên.

Hạn chế:

• Phức tạp tính toán, yêu cầu mẫu quan sát lớn (thường ≥500 người trả lời).
• Giả thiết đơn chiều có thể không phù hợp với các bài kiểm tra đa năng lực.
• Cần phần mềm chuyên dụng và kiến thức thống kê nâng cao để triển khai.

Xu hướng nghiên cứu tương lai

• Multidimensional IRT (MIRT): mô hình nhiều năng lực ẩn giúp mô tả các bài kiểm tra phức hợp.
• Deep-IRT: kết hợp mạng nơ‐ron sâu và IRT để cải thiện ước lượng và dự đoán phản ứng.
• Adaptive learning: tích hợp IRT với hệ thống học trực tuyến, điều chỉnh bài giảng theo θ ước lượng.
• Bayesian IRT nâng cao: sử dụng phương pháp Hamiltonian Monte Carlo và variational inference để ước lượng tham số hiệu quả trên dữ liệu lớn.