教育評価学
項目反応理論（IRT） — 項目と能力を同一尺度で結ぶ測定モデル
項目反応理論（IRT）は、受験者の潜在能力と項目の特性（困難度・識別力・当て推量）を同一尺度上で推定する確率モデルです。古典的テスト理論の標本依存性を克服し、適応型テストやテスト等化の基盤を提供します。本稿では、1〜3パラメータロジスティックモデル、項目特性曲線、能力推定、テスト情報関数、そしてモデル適合の検証を解説します。IRTの核心は、項目と受験者を同一の潜在尺度上に配置するという発想にあります。
この記事の要点
- IRTは潜在能力と項目特性を同一尺度上で推定し、古典的テスト理論の標本依存性を克服する。
- 代表的モデルに1PL（Rasch）・2PL・3PLがあり、困難度・識別力・当て推量の各パラメータを扱う。
- 項目特性曲線（ICC）は能力に対する正答確率を表し、項目情報・テスト情報関数を導く。
- テスト情報関数は能力水準ごとの測定精度を示し、適応型テストの項目選択を支える。
- IRTの利点はモデル前提（一次元性・局所独立性）の成立に依存し、適合度検証が不可欠である。
IRTの基本枠組み
IRTは、受験者の潜在能力（θ）と項目の特性を確率的に結びつけるモデル群です。中心となる項目特性曲線（ICC）は、能力θが高いほど正答確率が高くなるS字（ロジスティック）曲線で表されます。古典的テスト理論では困難度や識別力が受験者集団に依存しましたが、IRTでは適切なモデルのもとで項目パラメータが標本に依存しにくい（パラメータ不変性）という理論的利点があります。これは、難しい集団で受けても易しい集団で受けても、項目の困難度は同じ値として推定されるという性質です。
代表的モデルは、困難度のみを扱う1パラメータ（Raschモデル）、困難度と識別力を扱う2パラメータ、これに当て推量（下方漸近）を加えた3パラメータのロジスティックモデルです。困難度パラメータは正答確率が0.5となる能力位置を、識別力パラメータはICCの傾き（その項目が能力をどれだけ鋭く弁別するか）を表します。多値項目（部分点や評定尺度）には、部分採点モデル・段階反応モデル・評定尺度モデルなどの拡張があり、論述やリッカート尺度の分析に用いられます。
モデルの前提条件
IRTの推定が妥当であるためには、いくつかの統計的前提が満たされる必要があります。これらが崩れると、パラメータ不変性という利点そのものが失われます。
- 一次元性：測定対象が単一の潜在特性であること（多次元IRTでは緩和される）。
- 局所独立性：能力を所与とすると項目間の反応が独立であること（共通刺激への複数設問では崩れやすい）。
- モデル適合：選んだモデルがデータに適合していること（残差・適合統計量・ICCの実証曲線との比較で検証）。
- 単調性：能力が高いほど正答確率が高いこと。
能力推定とテスト情報関数
受験者の能力θは、最尤推定やベイズ推定（EAP・MAPなど）で推定されます。最尤推定は全問正答・全問誤答で推定値が発散する問題を持つため、実務ではベイズ推定が好まれることもあります。項目情報関数は、各項目がどの能力水準で測定精度に最も寄与するかを示し、識別力が高く困難度が受験者能力に近い項目ほど情報量が大きくなります。
個々の項目情報の総和であるテスト情報関数は、能力水準ごとの測定精度（標準誤差の逆数の二乗に対応）を表します。CTTの単一の信頼性係数と異なり、IRTでは『どの能力帯で精度が高いか』を局所的に評価できる点が大きな利点です。この情報関数の考え方は、コンピュータ適応型テスト（CAT）の理論的基盤です。CATでは、受験者の暫定能力に最も情報量の高い項目を逐次提示することで、少ない項目数で高精度の能力推定を実現します。
IRTと古典的テスト理論の比較
CTTは計算が単純で小標本でも適用しやすい一方、項目統計（困難度＝正答率、識別力＝点双列相関）が標本依存で、テスト版間の比較が難しいという制約があります。IRTは標本不変性・項目水準での精度評価・等化の容易さ・適応型テストへの拡張性といった利点を持ちますが、安定した推定には比較的大きな標本とモデル適合の確認が必要です。両者は対立するものではなく、目的と資源に応じて使い分けられ、項目バンクの構築や大規模試験ではIRT、小規模な教室テストではCTTが現実的な選択となることが多いです。
エビデンスの現在地（確実性: 強い）
IRTの数理的基盤と、適応型テスト・テスト等化への応用は、心理測定学において確立した方法論であり、大規模学力調査や資格試験で広く実用化されています。モデルの妥当性や情報関数の有用性についての専門的合意は強いといえます。ただし、これはモデル前提（一次元性・局所独立性・適合度）が満たされる範囲での話であり、前提が崩れた場合の頑健性については条件依存で、無条件に強いとは言えません。前提検証を怠ったIRTの適用は、見かけの精緻さに反して誤った推論を生む危険があります。
論点と限界
IRTの利点は前提の成立に強く依存します。多次元構造を持つデータに一次元モデルを当てはめると、推定が歪み妥当性が損なわれます。Raschモデルは前提が厳しい代わりに尺度の性質（特異客観性）が良いとされる一方、データへの当てはめを優先する立場との間でモデル選択をめぐる方法論論争（Rasch対2PL/3PL）が続いています。これは単なる統計的選択ではなく、『モデルにデータを合わせるか、データにモデルを合わせるか』という測定哲学の対立を含みます。
また、当て推量パラメータの推定が不安定になりやすいこと、適応型テストにおける項目露出（同じ良問が使われすぎる）やコンテンツバランスの制御、項目バンクの維持コスト、項目ドリフト（時間経過に伴う困難度変化）の監視など、実装上の課題も少なくありません。これらはモデルの数理だけでなく、運用ガバナンスの問題でもあります。
現場・臨床応用
IRTは主に大規模・標準化テストで用いられますが、その発想は現場の評価設計にも示唆を与えます。項目（課題）ごとに『どの習熟水準の学習者を最もよく見分けられるか』を意識することは、習熟度に応じた課題選択や難易度調整の質を高めます。易しすぎる課題も難しすぎる課題も、その学習者についての情報をほとんど与えないという情報量の考え方は、適切な課題設定の指針になります。
ただし健康・運動指導のような小規模・個別的な場面でIRTを直接適用するのは現実的でない場合が多く、その背後にある『能力と課題難易度を対応づける』という原理を活かす方が実践的です。標準化テストの結果を解釈する際は、得点が潜在能力の確率的推定値であり測定誤差を伴うこと、能力帯によって精度が異なることを理解することが、結果の過大解釈を避けるうえで重要です。
医療免責
本記事は教育目的の学習コンテンツです。診断・治療行為を代替するものではありません。痛み・しびれ・急性外傷・発熱・進行性の症状や、医師から運動制限を受けている場合は、自己判断で進めず医師・国家資格者にご相談ください。
主要な参考文献・ガイドライン
本記事は、以下の学会ガイドライン・ポジションステートメント・標準的な専門書などの公開情報に基づいて整理しています。具体的な数値や適用は原典・最新版をご確認ください。
- 項目反応理論に関する計量心理学の標準的教科書
- OECD『PISA Technical Report』（IRTによる尺度化と等化）
- Educational Testing Service（ETS）のIRT・適応型テスト技術資料
- AERA・APA・NCME『Standards for Educational and Psychological Testing』
よくある質問
RaschモデルとIRTは別物ですか。
Raschモデルは1パラメータIRTモデルと数式上は同形ですが、測定の理念が異なります。Raschは『データをモデルに合わせる』測定論的立場、一般的IRTは『モデルをデータに合わせる』統計的立場をとる傾向があります。
適応型テストはなぜ少ない項目で測れるのですか。
受験者の暫定的な能力推定値に対して最も情報量の高い項目を逐次提示するため、簡単すぎたり難しすぎたりする無駄な項目を避けられるからです。
IRTを使うには大きな標本が必要ですか。
安定したパラメータ推定には一般に相応の標本が必要で、特に3パラメータモデルや多次元モデルで顕著です。小標本では推定が不安定になりやすい点に注意が必要です。
一次元性の前提が崩れるとどうなりますか。
単一能力を仮定したモデルが多次元データに当てはまらず、能力推定や等化に偏りが生じ、妥当性が損なわれます。多次元IRTの利用や次元性の事前検証が求められます。
cortis Trainer Academy
学びを、現場で使える知識に。
基礎から評価・運動療法・医療連携まで。身体を診る専門職のための継続学習アカデミー。基礎は登録不要・無料。