影响AHM与DINA诊断准确率的因素研究

对属性层级模型(AHM)和确定性输入、噪声"与"门模型(DINA)2个认知诊断模型,讨论不同因素对判准率的影响.实验表明,含有可达阵的测验比不含可达阵的测验判准率高.对于线型结构测验长度达到一定值以后,增加测验长度对诊断准确率的改进不大.虽然总体而言,DINA分类准确性要优于AHM,属性结构紧密度越大,判准率越高;但是AHM估计结果符合属性层级结构,而DINA估计结果却可能违背属性层级关系,这和2011年De Carlo的发现不相同.     

可以处理补偿作用的认知诊断模型:CDINA模型

对DINA和DINO模型进行改进,构建了一个比DINA和DINO模型更“一般”的模型,称为CDINA模型.除了猜测和失误参数之外,在CDINA模型中每个项目还包含1个补偿参数.构建的模型不仅保留了DINA模型简单和易于解释的特点,而且模拟和实证研究结果表明:(i)CDINA模型可同时处理项目属性之间是连接、部分补偿或完全补偿的情况(可将DINA和DINO看成是CDINA的特例),且CDINA模型具有较高的参数估计精度和被试分类准确率;(ii)通过比较CDINA、DINA、DINO模型的分类判准率和相对拟合指标,发现CDINA不会比DINA和DINO的分类准确率更低,且在存在部分补偿的情况下CDINA模型更优于DINA和DINO模型.     

认知诊断模型参数估计算法比较

该文在不同条件的组合下考查了EM算法和MCMC算法对3种常用的认知诊断模型(DINA模型、DINO模型和G-DINA模型)的参数估计返真性问题.借助项目参数或作答概率分布的偏差、均方根误差、平均绝对离差以及被试的平均属性判准率等指标,评价这2类算法的表现.模拟研究结果表明:MCMC算法更适用于低质量题目、小样本、测验短的条件,而在其他条件下EM算法的表现与MCMC算法的表现相当.     

基于KL信息矩阵的动态加权选题策略

在Henson和Douglas提出的KL信息矩阵(用D矩阵表示)基础上,借鉴后验加权的思想,将原始KL信息矩阵修正为后验加权KL矩阵,并基于认知诊断中项目区分度的计算方式,提出2种新的CD-CAT选题策略:DPWKL1和DPWKL2方法,在不同测验长度、不同诊断模型以及不同属性相关程度下,与传统PWKL方法进行了比较研究.模拟研究表明,不论实验条件如何变化,DPWKL1和DPWKL2方法的属性判准率及模式判准率均要优于PWKL方法.     

认知诊断CAT中选题策略的改进

计算机化自适应测验(CAT)的选题策略是影响测量准确性的主要因素之一.针对认知诊断CAT初期知识状态估计不准确的问题,改进后验加权Kullback-Leibler信息量,得到了2种平均后验加权Kullback-Leibler信息量选题指标.然后运用DINA(the deterministic inputs,noisy"and"gate)模型模拟作答反应,在不同测验长度下比较了6种选题策略的优劣.结果表明,新指标能极大地提高测量准确度,当测验长度为15时,知识状态的判准率提高了10%以上;除随机方法外,其他方法的项目曝光率没有明显差异.     

可达阵在认知诊断选题策略中的运用研究

在香农熵选题策略的基础上,采用4种不同的测验蓝图考察运用可达阵对诊断精度的影响.Monte Carlo模拟试验表明:选择可达阵所有列对应的项目对改进计算机化自适应诊断测验(CD-CAT)的诊断精度有着重要的作用,而且对于CD-CAT的选题策略有重要的参考价值.在CD-CAT过程中选择较多可达阵的列对应的项目能够明显提高模式判准率,项目质量对结果的影响不大;而未包含所有可达阵的列对应的项目时,项目质量对于模式判准率有较大的影响.     

属性不独立对DINA模型参数估计的影响

受众多心理和教育测量研究者喜爱的认知诊断模型-DINA模型假定属性之间是相互独立、连接、非补偿的关系,但是在实际的应用过程中,属性之间未必能满足这样的关系,这限制了DINA在实际中的应用。本文研究属性之间存在不同的关系(层级关系或补偿关系)对于DINA模型参数估计的影响,研究结果表明,当属性之间存在层级关系或补偿作用时,都会对DINA模型下的参数估计精度造成较大的影响,当属性之间存在层级关系时,参数的估计精度受到两个因素的影响最大,一是属性层级结构,另一个是被试人数;当属性之间存在补偿关系时,参数的估计精度主要是受到被试人数和属性个数的影响。在属性之间存在这两种关系的情况下,采用DINA模型进行认知诊断都会影响诊断测验的效度。     

应用贝叶斯推断诊断属性掌握模式方法的改进

改进了Kim提出的应用二项比例的贝叶斯推断（BIBP）诊断规则空间模型的属性掌握模式的方法,利用单属性掌握概率和多属性项目信息更新单属性掌握概率．通过被试的作答反应矩阵进行模拟研究,以属性掌握模式判准率和属性掌握概率判准率作为衡量被试掌握情况的分类准确率指标,将BIBP方法的不更新方法、更新方法和改进后的更新方法进行比较．结果表明,本文提出的改进的BIBP方法具有更好的分类效果．     

基于属性层级关系的rRUM模型优化——模型解释力及判准率的提升视角

以提高认知诊断模型判准率及对数据的解释力为视角,对当前应用较广泛的rRUM模型进行优化(优化后的模型简记为rRUM-AH),并采用Monte Carlo模拟研究及实证研究相结合的范式,比较分析了传统的rRUM模型和rRUM-AH模型的诊断正确率及诊断结果的解释力.研究结果表明:当属性间存在层级关系时,不论在何种实验设计条件下,优化后的rRUM-AH模型属性诊断正确率远远高于传统的rRUM模型; 当属性间存在层级关系时,rRUM模型的模式判准率平均不到80%(而rRUM-AH模型平均高达90%以上),难于满足实际需求,此时实际应用者选用该研究新开发的模型是一个较好的选择.     

沟通与合同对代建制多项目目标管理的影响

从沟通管理和合同管理两个维度提炼出影响多项目目标管理的15个关键因素.基于三方面假设,应用结构方程模型,构建沟通管理与合同管理对代建制多项目目标管理的影响结构模型.对代建制相关研究学者及代建制多项目建设参与方的高层管理者进行问卷调研,定量分析沟通管理、合同管理与多项目目标管理三者之间的关系.研究结果表明:沟通管理和合同管理对目标管理有显著的正向影响;合同管理与沟通管理之间有显著的相关关系.