जेमेट्रिक आपके विचार से अधिक शक्तिशाली है। यह परिचालन कार्य के लिए डिज़ाइन किया गया है जहाँ शोधकर्ताओं को एकल एकीकृत ढांचे में कई प्रक्रियाओं की आवश्यकता होती है। वर्तमान में आप रैश, आंशिक क्रेडिट और रेटिंग स्केल मॉडल के लिए आईआरटी मापदंडों का अनुमान लगा सकते हैं। यह स्टॉकिंग-लॉर्ड, हेबारा और अन्य तरीकों के माध्यम से आईआरटी स्केल को जोड़ने की भी अनुमति देता है। क्योंकि इसमें एक एकीकृत डेटाबेस शामिल है, आईआरटी अनुमान से आउटपुट को डेटा फ़ाइलों को फिर से खोलने की आवश्यकता के बिना स्केल लिंकिंग में उपयोग किया जा सकता है। इसके अलावा, जेमेट्रिक या बाहरी कार्यक्रमों जैसे आर के अन्य तरीकों के साथ उपयोग के लिए सभी आउटपुट डेटाबेस में संग्रहीत किए जा सकते हैं।
आप इसे GUI के बजाय स्क्रिप्ट के साथ भी चला सकते हैं। उदाहरण के लिए, follwing कोड (a) डेटाबेस में डेटा आयात करेगा, (b) उत्तर कुंजी के साथ स्कोर आइटम, (c) रास मॉडल मापदंडों का अनुमान लगाता है, और (d) CSV फ़ाइल के रूप में डेटा निर्यात करता है। आप अंतिम विश्लेषण फ़ाइल को आगे के विश्लेषण के लिए R में इनपुट के रूप में उपयोग कर सकते हैं, या आप R का उपयोग सीधे jMetrik डेटाबेस से कनेक्ट करने और परिणामों के साथ काम करने के लिए कर सकते हैं।
#import data into database
import{
delimiter(comma);
header(included);
options(display);
description();
file(C:/exam1-raw-data.txt);
data(db = testdb1, table = EXAM1);
}
#conduct item scoring with the answer key
scoring{
data(db = mydb, table = exam1);
keys(4);
key1(options=(A,B,C,D), scores=(1,0,0,0), variables= (item1,item9,item12,item15,item19,item21,item22,item28,item29,item30,item34,item38,item42,item52,item55));
key2(options=(A,B,C,D), scores=(0,1,0,0), variables=(item4,item6,item16,item18,item24,item26,item32,item33,item35,item43,item44,item47,item50,item54));
key3(options=(A,B,C,D), scores=(0,0,1,0), variables=(item3,item5,item7,item11,item14,item20,item23,item25,item31,item40,item45,item48,item49,item53));
key4(options=(A,B,C,D), scores=(0,0,0,1), variables=(item2,item8,item10,item13,item17,item27,item36,item37,item39,item41,item46,item51,item56));
}
#Run a Rasch models analysis.
#Item parameters saved as database table named exam1_rasch_output
#Residuals saved as a databse table named exam1_rasch_resid
#Person estimates saved to original data table. Person estimate in variable called "theta"
rasch{
center(items);
missing(ignore);
person(rsave, pfit, psave);
item(isave);
adjust(0.3);
itemout(EXAM1_RASCH_OUTPUT);
residout(EXAM1_RASCH_RESID);
variables(item1, item2, item3, item4, item5, item6, item7, item8, item9, item10, item11, item12, item13, item14, item15, item16, item17, item18, item19, item20, item21, item22, item23, item24, item25, item26, item27, item28, item29, item30, item31, item32, item33, item34, item35, item36, item37, item38, item39, item40, item41, item42, item43, item44, item45, item46, item47, item48, item49, item50, item51, item52, item53, item54, item55, item56);
transform(scale = 1.0, precision = 4, intercept = 0.0);
gupdate(maxiter = 150, converge = 0.005);
data(db = testdb1, table = EXAM1);
}
#Export output table for use in another program like R
export{
delimiter(comma);
header(included);
options();
file(C:/EXAM1_RASCH_OUTPUT.txt);
data(db = testdb1, table = EXAM1_RASCH_OUTPUT);
}
सॉफ्टवेयर अभी भी विकास के अपने शुरुआती चरण में है। मैं वर्तमान में खोजपूर्ण कारक विश्लेषण और अधिक उन्नत आइटम प्रतिक्रिया मॉडल जोड़ रहा हूं। कई अन्य आईआरटी कार्यक्रमों के विपरीत, जेमेट्रिक खुला स्रोत है। माप प्रक्रिया के सभी साइकोमेटिक्स लाइब्रेरी का उपयोग करते हैं जो वर्तमान में GitHub, https://github.com/meyerjp3/psychometrics पर उपलब्ध है । योगदान करने के इच्छुक किसी भी व्यक्ति का स्वागत किया जाता है।