カットスコアによるテストのアプリオリの信頼性

習得テストにおける誤分類の理論的確率は、検査官の潜在能力の関数として、生のスコア確率分布（Raschモデル）を使用して正確に計算されます。結果として生じる誤分類確率曲線は、試験者グループの潜在能力分布とともに、分類エラーの期待されるレートを完全に決定します。分類信頼性に関連して異なる役割を果たしているいくつかの異なる能力しきい値が、単一のカットスコアでのテストに関連付けられることが示されています。特に、マスタリーテストの機能をカプセル化する2つの関連する能力間隔を定義（および計算）することができます（それぞれカットスコアとは程遠い）。これらの間隔のアイテム難易度スペクトルへの依存性を調査します。2PLモデルの拡張についても説明し、加重スコアリングの効果に重点を置いています。

The theoretical probability of misclassification in a mastery test is exactly computed using the raw score probability distribution (in the Rasch model) as a function of the examinee's latent ability. The resulting misclassification probability curve, together with the latent ability distribution in the group of examinees, completely determines the expected rate of classification errors. It is shown that several distinct ability thresholds, playing different roles in connection to classification reliability, can be associated to a test with a single cut score. In particular, it is possible to define (and compute) two relevant ability intervals, which encapsulate the functioning of a mastery test (about and far from the cut score, respectively); the dependence of these intervals on the item difficulty spectrum is investigated. Extension to the 2PL model is also discussed, with emphasis on the effects of weighted scoring.