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.     

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.     

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.     

求解简化Q矩阵的扩张算法

认知诊断研究中常使用属性与项目的关联矩阵(Q矩阵),其中规则空间模型与属性层次方法涉及简化Q矩阵并给出求解简化Q矩阵的方法.从属性层次结构出发,给出了属性层次结构的可达矩阵与有效项目之间的关系及理论证明.基于向前回归的思想提出了求解简化Q矩阵的扩张算法,在考虑属性层次结构的有效项目数的基础上,与Tatsuoka方法进行了实验比较,并对属性个数为10的情况采用一元线性回归方法为两种方法建立了数学模型,模型中有效项目数为自变量,算法的运行时间为随机变量.经检验,回归效果显著.     

基于条件属性蕴含的概念格构造及简化

基于三元背景研究三类概念格的构造和简化.首先,基于三元背景构造一个条件属性蕴含形式背景,该背景以三元背景属性集上的属性蕴含为对象,以三元背景的条件为属性.并针对条件属性蕴含形式背景给出形式概念的定义,构造相应的概念格.其次,由于条件属性蕴含形式背景中对象的个数随着三元背景中属性个数的增加呈指数级增长,这使得条件属性蕴含形式背景往往是一个比较大的数据表,因此,对条件属性蕴含形式背景进行对象约简,将原来的对象集替换为单个条件下形式背景的极小属性蕴含构成的集合.该对象约简方法不仅在很大程度上简化了条件属性蕴含形式背景,而且简化后的形式背景对应的概念格与原来的概念格同构.最后,在条件属性蕴含形式背景上引入了可能性算子和必然性算子,在此基础上定义了对象定向概念格和属性定向概念格.     

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.     

由偏序关系的可达阵导出Hasse图的有效算法——兼谈其在认知诊断中的作用

假设0-1矩阵Q的行表示属性,对矩阵Q采用行逐对比较方法导出表示属性层级关系的Hasse图.然而,这个Hasse图和由可达矩阵R导出的Hasse图可能不一致.证明了包含R的Q阵的行逐对比较的方法与R导出的Hasse图是一致的,由此得出由偏序关系的可达矩阵导出Hasse图的一个有效算法,并讨论其在认知诊断中的应用.     

认知诊断评价的进展

本文对认知诊断评价、认知诊断模型的发展和诊断模型的特殊要求进行了详细的概括,并对认知诊断模型之中的一种——属性层次模型（AHM）的认知理论基础进行了阐述。     

基于探索性因素分析的Q矩阵标定方法

标定Q矩阵是认知诊断评估中最基本也是最为关键的一步.如今Q矩阵标定的统计方法,多数为验证性方法,即验证或修正已有Q矩阵中元素的方法.在常见的Q矩阵未知和已有作答数据情形下,提出将探索性因素分析方法和验证性方法相结合的Q矩阵标定方法,并采用模型整体拟合指标、分类准确性指标等,综合确定属性数和Q矩阵.模拟研究表明:新方法可较好标定Q矩阵.     

形式背景上基于矩阵信息熵的矩阵熵约简

概念格的属性约简是知识表示和数据处理的一种有力工具，已被成功应用到多个领域，寻求高效快速的属性约简算法仍然是概念格理论的主要研究热点.从信息熵和布尔矩阵的角度研究形式背景的属性约简，提出属性约简的新方法.首先，在形式背景上定义矩阵信息熵、矩阵条件熵、矩阵联合熵和矩阵互信息熵，研究它们的性质和相互之间的关系.接着，在形式背景上提出基于矩阵信息熵的矩阵熵协调集和矩阵熵约简的定义，给出了属性的重要性度量，利用矩阵信息熵刻画核心属性、相对必要属性和不必要属性的属性特征，再给出获取矩阵熵约简的方法和算法.最后，利用UCI数据集进行测试，验证了基于矩阵信息熵的矩阵熵约简算法的有效性.通过对比实验，证明该算法具有更加高效的约简性能且适用于大数据样本.     

基于差别矩阵的区间值形式背景属性约简

目的在形式概念分析理论框架下,研究区间值形式背景的属性约简。方法给出区间值属性集差别矩阵和区间值形式背景属性约简的定义,并研究相关性质;研究协调区间值属性集的判定定理。结果给出协调区间值属性集的判定定理,以及基于区间值属性集差别矩阵的区间值形式背景约简方法。结论区间值形式背景可进行属性约简。     

基于矩阵列秩属性优先的概念格算法

基于矩阵列秩的理论以及概念对并运算封闭的特征,提出了一种基于矩阵列秩属性优先的概念格的生成算法.首先,将形式概念分析中数据的形式背景看成一个0-1矩阵,利用矩阵的秩定义出概念的秩.其次,通过概念的秩的定义和概念对并运算封闭的特征,对概念按秩进行分层提取.通过对形式概念分析中数据的形式背景与矩阵的某些性质之间的联系的探索以及实例的验证,表明该算法行之有效.     

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。     

形式背景中属性特征与对象特征的完备定义

形式背景是形式概念分析理论中的一个重要元素,是用于表达和记录对象与属性之间二元关系的数据载体;形式背景中属性间的关系、对象间的关系是非常重要的关系,由此表现出来的属性的特征、对象的特征非常值得研究.本文目的是给出形式背景中属性特征与对象特征的完备数学定义及其性质,为偏序结构理论的研究奠定坚实的基础.     

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。     

面向属性的RST在数据挖掘中的应用

基于对 RST的基本概念和近似空间的形式描述 ,定义了不确定信息系统 ,并引入面向对象属性的泛化和约简操作算法 .在此基础上 ,提出了一个面向属性的 RST的数据挖掘方法 ,即基于系统的关系数据库形成差别矩阵 ,并对差别矩阵施行最佳约简和核操作 ,给出在逻辑意义下的决策规则 ,从而完成领域的知识发现 .同时给出了在一个医疗诊断系统中应用的实例     

Q矩阵标定的一种简便方法

基于认知诊断的Q矩阵理论,由潜在Q矩阵向量的累赘表达式的分解,给出一种简便的Q矩阵标定方法,并且给出这种方法的证明.     

概念格约简与覆盖约简之间的关系

以一类与覆盖粗糙集相对应的形式背景为工具,对概念格属性约简和覆盖粗糙集约简进行研究,结果表明覆盖粗糙集与形式背景之间存在一一对应关系,并且证明了覆盖粗糙集的交约简可化为概念格的属性约简。