更新後的資料共360筆，分別將題庫分為一個、三個與四個向度作分析，分析結果顯示：將題庫分為一或三個向度的信度最好（都>0.90），兩種分析方法的刪題結果相近，若標準僅考量infit MNSQ<1.4，則無需刪題（可作為發展CAT題庫的標準）；若考量infit & outfit MNSQ都需<1.4，則刪到目前為止已刪了6題還刪不完...（可作為發展短版紙本題庫的標準）
寫作題材部份，這筆資料可以寫成兩篇，一篇是依據Rasch分析的結果將HLS-EU-Q-47發展成短版紙本測驗；另一篇是將HLS-EU-Q-47發展成CAT。
主要考量為：我覺得光是以Rasch驗證construct validity有點站不住腳，容易被質疑為何不用CFA（CFA結果如下段*），但若結何construct validity與quantification，研究價值有限。主要原因為：1. 題數太多，光加總就很麻煩了，還要再將原始分數對照長長一串的表格才能得到Rasch score，使用上極為不便；2. 由於原始分數點就已夠多（若僅分一個向度：共47題*4點量尺），ordinal的資料特性已趨近連續分配，故使用原始分數對於後續信效度與反應性之分析結果影響相對較小；3. 若採用較嚴格的標準，需刪題，勢必得結合發展短版測驗的研究目的。
*CFA分析結果顯示：需刪除三題factor loading<0.5的題目（Items 4, 30 & 44）。
model fitting結果，chi-square/df=2.25、SRMR=0.08與RMSEA=0.06三者皆可在good的標準內，但CFI距acceptable標準有些距離 (0.82 vs. 0.90)
