在对非认知类的心理构念（例如人格、态度、价值观）进行测量时，迫选(forced-choice, FC）量表相较于李科特量表有独特的优势。迫选量表既可以抗作假，也能够免受多种反应偏差的影响，因此在选拔情景和一般研究情景中都受到越来越多的关注。尽管目前已有多种IRT计分模型可用于迫选量表，但都存在一定的局限性。本研究首创了广义瑟斯顿展开模型(Generalized Thurstonian Unfolding Model, GTUM)，既能够整合多维度配对偏好模型（MUPP）、广义等级展开排序模型（GGUM-RANK）及瑟斯顿项目反应理论模型（TIRT）的优势，又同时避免了上述模型的问题。

GTUM的构造逻辑：

GTUM采用瑟斯顿相对判断法则来描述作答者如何做决策。假设作答者j在句子i上存在一个潜在效用tij，即作答者觉得“这个句子描述的特征有多像我”（分数越高代表越像）。当作答者需要在句子i和k之间做出选择时，他们会选效用更高的那个句子。效用分数tij是由心理特质水平()决定的，二者的关系可以用公式来描述：

其中，是句子i的区分度参数，可以理解成因子分析中的因子载荷，该数值越高，代表该句子能更好地测量心理属性A。代表句子i的位置参数，该数值越极端，表示该句子描述的属性的水平也越极端。代表作答者j在心理属性A上面的真实分数。根据公式，当作答者在心理属性A上的真实分数和句子i的位置完全一致时，该句子的效用值达到最高；反之，如果作答者在心理属性A上的分数和句子i的位置差异越大(更高或更低)，其效用值越小——这就是展开作答模型的核心。

当作答者需要在句子i和k(假设句子k测量心理属性B)之间做出选择时，可以用以下模型描述其选择句子i和k的概率。

可以看到，GTUM类似于具有特殊结构的二维2-PL Model。对于等级式迫选测验，可以采用类似于二维Graded Response Model的方式来处理。当一个句组有三个及以上的句子时，则可以将其拆分为多个两两比较。

研究方法和结果：

研究包括三个蒙特卡洛模拟研究以及两个实证研究，从不同角度验证GTUM模型在不同条件下的准确性和实用性。在模拟实验中，GTUM在大多数条件下表现良好。在实证研究中，我们利用不同的人格量表，对比了基于GTUM的人格分数和基于其他模型的人格分数的信度、聚合效度以及效标关联效度，结果发现基于GTUM的结果普遍高于或至少等同于基于MUPP和TIRT的结果。

总体来看，GTUM具备以下特性：(1) 遵循展开作答模型，(2) 能够处理现今所有类型的迫选量表数据，(3) 可以对二分或等级迫选量表进行计分。因此，GTUM是现有迫选测验计分模型中最灵活、最具有包容性的一个，对于拓宽迫选测验在各个领域的应用有重要作用。

为方便其他研究者使用，我们还开发了fcscoring这个R包，用户只需在R中键入devtools::install_github("Naidantu/fcscoring”)即可安装。

本研究已发表于应用心理学领域顶刊Organizational Research Methods（5 year impact factor: 11.4），第一作者为伊利诺伊大学厄巴纳-香槟分校（UIUC）劳动及人事关系学院和心理系里助理教授张博（北师大心理学部本科、硕士毕业生），共同作者还包括UIUC心理系助理教授张苏苏，计算机系教授Lawrence Angrave，南佛罗里达大学 (USF) 涂乃丹博士，堪萨斯州立大学 (KSU) 助理教授孙天君，以及普度大学 (Purdue) 教授Louis Tay等六位学者，北师大黎坚教授为该文的共同通讯作者。感谢所有参与本项目的被试对科学研究的支持和贡献。

黎坚教授课题组长期关注心理测验与评估的前沿技术与应用，致力于将社会心理学、认知心理学、教育心理学等领域的原理和方法应用于提升心理测评工具质量，近年来主要从事有关迫选测验，基于游戏的学习与评估以及不认真作答的研究工作。系列研究成果已经发表于Organizational Research Methods，Multivariate Behavioral Research，Assessment，Psychological Assessment等国际心理学权威期刊。

主要参考文献

Brown, A. (2016). Item response models for forced-choice questionnaires: A common framework.Psychometrika, 81(1), 135-160.

Li, M., Zhang, B., Li, L., Sun, T., & Brown, A. (In press). Mix-keying or desirability-matching in the construction of forced-choice measures? An empirical investigation and practical recommendations.Organizational Research Methods.

Zhang, B., Tu, N., Angrave, L.C., Zhang, S., Sun, T., Tay, L. & Li, J. (2023). The Generalized Thurstonian Unfolding Model (GTUM): Advancing the modeling of forced-choice data.Organizational Research Methods. Advanced online publication.

Zhang, B., Luo, J., & Li, J. (2023). Moving beyond Likert and traditional forced-choice scales: A comprehensive investigation of the graded forced-choice format.Multivariate Behavioral Research. Advanced online publication.