Partial Credit来源的背景：

在介绍之前，我们先来看一个例子：

2x2-1=？

我们是按照这样步骤计算的：

1、 先计算2x2，结果为4；

2、 在计算4-1，结果为3；

3、 得出结论，结果为3

对之前的二分类变量的测量，我们主要是0-1编码，这种的应用可以是单选题，但是对于多选题，有些人回答错了，但是不是全错了，如果按照0-1的分类方式，全部归为0，这样到时我们会损失很多信息，导致分析结果会低估一部分答错的人。还是按照上面的例子来说明，如果，有人回答错误，但是他（她）第一步的乘法没错，由于某种原因，第二步的减法错了，如果把这类受试者简单归为与第1步就回答错误的未免有点太浪费所收集的信息。

Partial Credit的来源，针对上面例子的问题，有人就提出了Partial Credit即：

1、如果在上述的例子中，第一步回答错误，记其结果为0；

2、如果在上述的例子中，第一步回答正确，先记其结果为1；

3、如果在上述的例子中，第二步回答错误，则最终其结果为1；

4、如果在上述的例子中，第二步回答正确，则最终其结果为2；

因此就分出的三种类型：

一是完全不会

一是会一部分，但不能完全答对

一是全部都会

从中我们就可以得出用partial credit可以得出受试者的更多信息。

背景就介绍到这里，至于具体的模型将在下一次分享给大家。

对于不太懂的，可以再举个通俗简单例子，高考理科综合和文科综合的试卷中的多选，有三种策略，一是回答错误不得分，回答正确但答案不全，得一半分数，回答正确答案且全的得满分。Partial credit就是与上述类似。

个人独家理解，有不妥之处欢迎批评指正！！！