【摘 要】
：
认知诊断以微观认知角度对被试做出准确评估与反馈的优势在心理与教育测量领域中展现出巨大的发展潜力。但是，要利用这种优势就必须确保测验Q矩阵的合理性。以往研究构建测验Q矩阵主要依赖专家的经验，其缺点是专家的水平及意见统一与否会严重影响Q矩阵的正确性，而错误界定的Q矩阵会对模型参数估计和被试分类准确性带来严重影响。为克服该困难，国内外研究者相继开发出基于被试作答反应数据的Q矩阵估计方法，以数据驱动视角为
【机 构】
：
深圳讯飞智慧科技有限公司 江西师范大学心理学院
论文部分内容阅读
认知诊断以微观认知角度对被试做出准确评估与反馈的优势在心理与教育测量领域中展现出巨大的发展潜力。但是，要利用这种优势就必须确保测验Q矩阵的合理性。以往研究构建测验Q矩阵主要依赖专家的经验，其缺点是专家的水平及意见统一与否会严重影响Q矩阵的正确性，而错误界定的Q矩阵会对模型参数估计和被试分类准确性带来严重影响。为克服该困难，国内外研究者相继开发出基于被试作答反应数据的Q矩阵估计方法，以数据驱动视角为专家界定测验Q矩阵提供参考。
其他文献
随着现代社会的发展，一方面，创新已成为决定一个国家在国际竞争中地位的主要标准，一个社会进步的标志，也越来越成为一个个人富有能力的体现。另一方面人才也是每个国家渴求而又不可多得的资源，但是由于现实所致如何选拔与任用恰当的人才到适合的岗位就显得尤为复杂但又异常重要，而素质模型就发挥了关键作用。本文通过国内外相关文献的分析，发现：(1)对创新型人才的素质模型的理论研究结果差别不大，即认为其具备的素质特征
以往研究者提出,高能力被试在相对容易的试题上失分,并且当得分概率大于0.95却失分时的被试得分现象命名为睡眠现象.早期的研究者在三参数Logistic模型的基础上增加γ参数,使用四参数Logistic模型来分析同时存在猜测现象和睡眠现象的测验数据.四参数Logistic模型中,1与γ参数之差表示为睡眠现象的概率.Mislevy和Bock (1982)论述了睡眠现象的测验模拟模型,即被试发生睡眠现象
验证性因子分析(CFA),是对潜变量与观测变量之间的关系进行验证的一种重要的因子分析方法,广泛应用于心理测量领域。但CFA对模型的严格限定,例如所有交叉载荷为0,会带来一系列的问题：总是无法达到良好的模型拟合,需要进行大量的模型修正, 以及因子结构的扭曲,对因子间相关的高估。
The contribution of higher education institutions to students progress towards education outcomes has become increasingly important worldwide.Providing data and evidence on the quality of learning out
问题：项目反应理论(Item response theory, IRT),作为现代心理与教育测量理论的代表,在教育领域的成就测验中已被广泛使用,基于其强假设前提下建构的基本模型,已衍生和发展出许多适用于不同实际测验问题的理论和模型。但在被试量大以及多维参数估计等较复杂的情况下,传统估计过程需要较长时间且有不收敛的风险,效率不高。方法：本研究使用R软件与相应的功能模块生成模拟数据,数据结构为具有三个
认知诊断模型是能够评估学生的长处和弱势的心理测量模型。这些模型能够通过分数分布对学生学习及学习过程进行有效评估,有针对性地给每个学生提供个性化的认知诊断结果,进而教师可以给学生提供补救性的教学建议,或依据班级总体对某个知识点的掌握情况,制定有效的干预措施。个体认知过程、加工技能或知识结构统称为属性。属性层级法采用“属性和分数相对应评分法”,该评分方法假设属性和分数是相对应的,二分属性对应二级评分方
本研究以既有的常見字題庫，透過混合模擬研究程序，探討如何組合電腦適性測驗的各項技術元素，包含：初始值、選題策略以及終止標準，以便設計電腦適性測驗，使其效益達到最大化。雖然過去有不少的研究探討電腦適性化之技術性議題，然而，在實務上，這些研究結果對電腦適性設計決策仍有不足之處。這些技術性議題的探究多半以電腦模擬研究進行，研究者設定理想的測試條件，如題庫能符合測驗目的的要求。實務上，試題研發經常面臨許多
本研究將探討多重解題策略在認知診斷模型中,在不同的多重解題策略題數的比例中對於認知診斷模型估計之影響,其中也將討論多重解題策略Q矩陣之設計。並透過模擬資料之研究與結果來進行比較與分析,以結果來達到最佳的估計效果。根據本研究分析結果,將本研究之結論摘要描述如下：一、在具有不同比例多重解題策略題目的設計下,MS-DINA模式皆比DINA模式的概念辨識率較好。
本研究主要通过界定Q矩阵理论,回答DINA模型是否使用Q矩阵理论问题,并给出一些经验供认知诊断分析者借鉴.Tatsuoka (2009,p.6)认为DINA模型没有使用Q矩阵理论.是否真是如此,要回答这个问题,需要清晰界定Q矩阵理论的外延.Q矩阵理论是“确定不可观察的知识状态并用可观察项目反应模式描述它们”(Tatsuoka,1995).Tatsuoka (2009 p.83)提出Q矩阵是联系不可
Q矩阵是进行认知诊断的基础,正确的Q矩阵是进行被试诊断分类的关键,Q矩阵的界定的复杂性限制了认知诊断在实际中的应用。现有Q矩阵估计和修正方法均是基于复杂的统计测量学知识,需要进行大量的运算。本研究受HCI(Hierarchy Consistency Index)指标的启发,开发ICC (Item Consistency Criterion)指标,提出一种基于得分矩阵的Q矩阵估计和修正方法,通过比较