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.     

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.     

基于可达阵的补偿模型Q矩阵标定方法

Q矩阵标定是认知诊断评估中研究的热点问题,Q矩阵的好坏决定了认知诊断评估的准确性.根据确定性输入噪声"与"门模型(DINA)中可达阵R与简化Q矩阵存在布尔"与"的关系,提出基于确定性输入噪声"或"门模型(DINO)的可达阵R与简化Q矩阵在列向量上存在布尔"或"的关系,并由此推导出基于可达阵的补偿模型Q矩阵标定方法.实验结果表明:当可达阵失误与猜测小于0.20且待标定项目参数小于0.25时,该方法所得Q矩阵元素返真率达到90%以上,且在可达阵失误与猜测参数均小于0.25时真实Q矩阵与估计Q矩阵之间的差异较小.     

认知评估中的属性关系

规则空间模型(RSM)及属性层级方法(AHM)是有较大影响力的认知诊断模型.在RSM与AHM中不可缺少属性及属性层级关系,属性层级关系为属性间的先决关系所诱导.但是,先决关系只考虑了属性之间的关系,却忽略了属性集之间存在的联系.该研究以先决关系为切入点,实例证明先决关系及其诱导的属性层级关系具有局限性,基于属性集,提出更具一般性的蕴含关系,使先决关系为其特殊形式,为当前认知诊断理论研究提供了新的研究角度.     

0-1评分认知诊断测验设计

认知诊断测验设计实质上是测验Q矩阵设计,设计应最大限度覆盖诊断的构念,充分发挥代表认知模型的属性层级关系的重要作用.主张测验充分表达被试知识结构,提倡测验Q矩阵和被试知识状态共享同一层级结构,以实现对被试更加准确的诊断.对于非独立型层级结构,无法实现属性使用次数平衡而应采用题目属性向量使用平衡策略.对Liu Ren(2017)的测验设计提出质疑.     

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.     

基于属性蕴含的Q矩阵理论

认知诊断(CD)是认知心理学与心理和教育测量学相结合的前沿研究领域.在属性间约束关系的Q矩阵理论中,其认知模型仅考虑了属性集与属性间的层级关系,忽略了属性间可能存在非层级关系的蕴含关系.该文探讨基于属性蕴含的Q矩阵生成,以及属性蕴含关系的挖掘.研究成果扩充了现有Q矩阵理论,完善认知诊断的理论、方法和应用.     

广义阶层线性模型下铆题存在DIF时的测验等值研究

利用广义阶层线性模型研究具有DIF铆题时的测验等值,在进行等值时能有效地控制DIF效应,并与传统方法--有DIF铆题但等值时忽视DIF的存在下等值进行比较,从DIF效应值大小、铆题中DIF项目数和被试数等3个因素来考察两种方法对参数的估计或等值精度的影响.模拟研究发现采用广义阶层线性模型较传统方法参数估计或等值精度要高,除了DIF项目数和DIF效应值外,被试数也是影响参数估计精度的-重要因素.     

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。     

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.