多级评分CAT的认知诊断方法

认知诊断因其能识别被试认知状态已成为CAT研究的重要部分之一,但目前研究大多都基于0-1评分,这与我国试题也采用多级评分现状不相适应.因此,研究基于多级评分的认知诊断具有重要意义.该文主要研究开发多级评分模型下有认知诊断功能的CAT测试系统,采用等级反应模型(GRM),使用先认知诊断后估计能力的方法.该系统的认知诊断正确率较高,且诊断结果较稳定,能力估计也较准确,测验安全性好.     

多策略的多级评分认知诊断方法的开发

多级评分可以提供更多的认知诊断信息,在对多级评分多策略实测数据进行分析的基础上提出多策略的多级评分认知诊断方法。考虑到被试使用解题策略和评分方式无关,给出一种先将多级评分转化为0-1评分,再采用0-1评分方式对策略进行诊断,最后使用多级评分诊断被试的属性掌握模式。实验结果表明了这种方法的有效性。     

认知诊断中Q矩阵和Q矩阵理论

Q矩阵和Q矩阵理论是认知诊断中一对容易混淆的概念,一方面需要强调它们的差异,另一方面对Q矩阵理论做一些补充,比如在一定条件下,多级评分的认知诊断中测验蓝图的设计原理.根据实测数据对测验蓝图Q矩阵修正的设想,以及认知诊断模型和多维项目反应模型的联系.     

多级评分认知诊断测验蓝图的设计——独立型和收敛型结构

定义了属性之间菱形层级结构的概念。在某种给定的评分方式下,假设属性之间没有补偿作用,讨论独立型、菱形层级结构对应的多级评分认知诊断测验蓝图设计问题,分别构造出相应的完备Q阵。     

属性多级和项目多级评分的认知诊断模型

认知诊断理论中属性多级和项目多级评分均能极大地丰富项目信息,提高诊断结果准确度.基于此对已有认知诊断模型扩展的属性多级和项目评分多级的认知诊断模型进行介绍,并基于认知诊断模型和相关理论研究视角,对当前认知诊断的发展方向提出思考和建议.     

多级评分认知诊断测验蓝图的设计——根树型结构

在某种给定的评分方式下,假设属性之间没有补偿作用,讨论多级评分认知诊断测验蓝图设计问题.根据图论,将J.P.Leighton等定义的线型、发散型、无结构型属性层级结构归结为根树型,构造出相应的完备测验Q阵,即是使知识状态与期望反应模式一一对应,且列数最少的测验Q阵.完备Q矩阵均受到测验Q阵的秩的制约.     

多值Q矩阵理论

罗列了特殊多值Q矩阵与0-1可达阵的相互转换算法,给出多值扩张算法和多值理想反应模式的计算方法。在多值扩张算法的基础上,证明了在一定条件下,多值拟可达阵作为测验Q矩阵的子矩阵,可以使得多值的知识状态和理想反应模式一一对应,从而可指导多级评分认知诊断测验蓝图编制。     

基于AHM的认知诊断分类研究

深入研究AHM和人工神经网络的基础上提出了一种新的认知诊断分类方法--Hamming网分类方法.将Hamming网应用到AHM模式分类中,对0-1评分的测验进行实验,并与AHM中的传统分类方法A,B进行比较.实验结果表明,利用Hamming网分类方法分类效果明显占优.     

可达矩阵在认知诊断测验编制中的重要作用

理论上探讨认知诊断测验编制的原则问题,指出在给定属性及其层级的条件下,测验蓝图中包含可达矩阵当且仅当知识状态与理想反应模式一一对应,并讨论可达矩阵在认知诊断测验的重要应用及相应理论.     

认知诊断计算机化自适应测量技术在心理障碍诊断与评估中的应用

以现代测量理论为基础,该文尝试将认知诊断与计算机化自适应测验2项新技术应用于心理障碍(抑郁症)的诊断与测评,一方面探讨新技术在抑郁症诊断中的科学性与合理性,另一方面开发基于认知诊断计算机化自适应测验技术的抑郁症测评工具(简记为CD-CAT-D).研究共调查被试2492人,经大样本数据标定及测量学指标筛选,题库最终保留1...     

多分属性层级结构下引入逻辑约束的理想掌握模式

多分属性比传统的2分属性提供更多更详细的诊断反馈信息,具有广阔的应用前景.在多分属性情境下,当属性之间存在层级结构时,会出现原2分属性情境下不存在的逻辑问题:如果被试仅低程度地掌握了父属性,那么他是否还有可能高程度地掌握子属性?从逻辑上讲,这种“父属性掌握程度低而子属性掌握程度高”的发展情况并不具有普适性.对此,该文首先在多分属性情境下,基于现有的计算理想掌握模式的方法提出了满足“属性掌握水平约束假设”的理想掌握模式计算方法.然后,通过模拟研究说明该逻辑约束的使用方法及忽略该逻辑约束可能对诊断结果带来的危害.     

认知诊断框架下的语言认知测验的实证分析与研究

采用认知诊断理论和技术,对初中生的中文阅读能力进行认知诊断测验分析。结果显示:通过推导得到的项目属性的定义和属性层级关系与专家的界定之间有一定的差异,这个差异会影响到对被试的属性掌握模式分类;通过推导得到项目属性定义和属性层关系的方法对于测验的分析和编制可以提供很好的参考作用,可以与专家界定的方法互为补充。     

技能映射通过析取模型诱导的多分知识结构

基于程序性知识的评估,提出由项目自身的状态结构诱导多分知识结构的方法,以建立适用于问题解答的多分评估体系.首先,根据各项目的解答或操作步骤设定响应值集,通过项目状态转移函数定义项目状态空间;然后,用操作程序表示技能,由过程函数导出析取的技能映射;最后,讨论技能映射通过析取模型诱导的多分知识结构.结果表明：技能映射通过析取模型诱导的多分知识结构是多分知识空间.     

基于GRM模型的CAT分层方法在校准误差中的应用研究

在计算机化自适应测验(CAT)中,0-1评分模型下b组块a分层的方法(BASTR)可以提高测量准确性的同时平衡项目的曝光率,但在多级评分模型中项目难度/步骤参数有多个,无法直接使用该方法; 又因为信息函数可以较好地综合被试能力和项目参数,但最大信息量选题策略的测验安全性太低.因此,将多级评分模型中的多个参数综合成一个指标作为b分块的依据,模仿BASTR方法,提出5种新的B分块a分层方法,并且采用“影子题库”下最大信息量的选题方法.在等级反应模型(GRM)下蒙特卡洛实验结果表明,新方法在测验精度、题库利用率和机会红利等评价指标中总体表现良好,B_max-min分块方法表现最优.     

结合先验信息的多属性诊断测验分类研究

在动态的学习过程中,随着学习的深入和知识属性的个数逐渐增加,学生的知识状态也会发生动态变化.在这样的应用场景下如何结合先验信息提高诊断测验的判准率具有较大的挑战.该文提出基于学生对已学习属性的掌握概率来预测包含新属性后的属性向量的先验信息.考虑2种实际的应用情境,并通过模拟和实证研究来评价该方法的表现.结果表明：在2种实际学习情境中,结合先验信息在多属性诊断测验中能起到提高判准率的作用,其中在基于个体先验信息时的表现更好.基于预测先验信息的方法也摆脱了在以往研究中不同学习阶段测验属性个数一致或数量的限制,使得分类精度有较大改进.实证数据分析进一步表明该方法具有较高的应用价值.     

社会体育专业学生知识与能力结构整体性发展的研究

通过文献资料、观察调查、数理统计等方法,对佛山科学技术学院社会体育专业学生知识与能力结构整体性发展中的教育实习、教学能力与完成论文知识面等现状进行了调查与分析。结果暴露出了学生知识面不扎实、狭窄,缺乏把理论知识转化为实践的能力,创新意识明显缺乏。为此,需从知识结构和教学、科研能力的内容、方法、途径考虑,提高社会体育专业学生的专业知识和实践能力,探索有效的培养途径。