基于平均数形式的选题策略比较

在3PLM模型下,将改进的最大优先级指标(MMPI)方法和各类平均数形式相结合得到的4种新选题策略在提高测验精度、控制项目曝光均匀性、降低平均违规次数、提高题库利用率等方面均表现更好.经定长测验和不定长测验的蒙特卡洛模拟,MMPI下算术平方根平均数形式的选题策略表现最优.     

自动控制区分度作用的选题策略研究

沿用引入曝光控制因子的CAT选题策略中所提出的曝光控制因子,同时将定长测验的测验长度以及不定长测验中被试累积信息量加入到新选题策略中,提出了在不分层的条件下自动控制区分度作用的选题策略.蒙特卡洛模拟结果表明:新方法在项目调用均匀性、测验效率等评价指标上效果均较为理想.     

多种分层方法在CAT校准误差中的应用研究

若研究或使用CAT时将项目参数的估计值认为是真实值,则会产生所谓的机会红利(capitalization on chance),国内尚未报道该方面的研究.在定长和不定长CAT测验中考察引入曝光因子的多种分层化选题策略和随机选题策略,综合比较它们在测验精度、题库利用率和机会红利等评价指标中的表现,发现引入曝光因子的2种动态分层方法有更好的表现.     

计算机化自适应认知诊断测验按模式分层选题策略

提出了一种题库按属性模式分层并结合项目Fisher信息量、曝光控制因子和项目优先级的新的选题策略.与已有方法比较,该方法不仅提高了题库测验精度,而且在项目使用均衡性上也表现优异.     

基于抽样原理的计算机化自适应测验选题策略

沿用曝光控制因子的同时,基于抽样原理,引入区分度分布因子,按区分度的分布情况来选取测验中的项目.以lna～N(0,1)为例,Monte Carlo模拟结果表明:该方法在估计精度、效率和安全性等指标上表现得比较优异.     

引入内容平衡的最大信息量组块分层选题策略

在0-1计分下,为了解决最大信息量组块分层策略(MIS-B)中未考虑内容平衡的问题,通过加入改良多项式模型来平衡内容属性.计算机模拟试验显示:选题策略在保持MIS-B能力估计精准度这一前提下降低了项目重叠率,提高了题库使用均匀性和项目曝光率的均匀性.     

多级计分的CD-CAT曝光控制方法

相对于0-1计分,多级计分考察的认知能力水平更高,能够提供更丰富的诊断信息,同教学实践更相符,而现有研究中鲜有基于多级计分的CD-CAT.该文提出了5种新的曝光控制的选题策略,分别是BSCDI_A、BSCTTID_A、BSCDI_D、BSCTTID_D和RP_PWCDI,将这5种方法同已有的PWKL和RP_PWKL进行比较,并尝试将这7种选题策略从0-1计分拓展到多级计分.研究结果表明:不管是0-1计分还是多级计分,采用统一量纲后的综合指标进行评价时RP_PWCDI(β=0.5)表现最好,题库使用均匀性各     

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.     

说话人识别中简化的信道因子估计

在与文本无关的说话人识别研究中,因子分析是减少信道影响的有效的方法之一,但是因子分析在估计信道空间时需要大量的数据以及复杂的EM(expectation maximization)运算,在测试的时候对数似然度函数的计算量非常大.该文采用主成分分析的方法来简化信道因子的估计过程,首先采用混合Gauss模型的均值超矢量估计出信道因子所在的空间,然后通过特征映射的方法在特征参数域中减去信道因子的影响.在美国国家标准与技术研究所(NIST)2006年lconv4w-lconv4w数据库上,采用该文方法的系统等错误率相对基线系统降低24％.采用本文中的信道因子估计和特征映射的方法,能够在保持高识别性能的前提下,大大简化运算的过程,对系统的实时实现有重要的意义.     

兼顾能力与知识状态的Higher-Order CD-CAT选题方法

Higher-order CD-CAT的选题方法是传统单目标(即只对知识状态自适应)选题方法,这将导致被试能力的测量精度不高.基于此,在高阶模型和PWKL选题方法的框架下,该文开发了适用于Higher-order CD-CAT的新选题方法,该方法在选题时能同时兼顾能力和知识状态.实验结果表明:与传统选题方法相比,新选题方法的能力和知识状态估计精度都更高,并且在题库安全性上也具有明显的优势.