Please wait a minute...
心理学报
  论文 本期目录 | 过刊浏览 | 高级检索 |
属性多级化的认知诊断模型拓展及其Q矩阵设计
蔡艳;涂冬波
(江西师范大学心理学院, 江西省心理与认知科学重点实验室, 南昌 330022)
Extension of Cognitive Diagnosis Models Based on the Polytomous Attributes Framework and Their Q-matrices Designs
CAI Yan; TU Dongbo
(School of Psychology of Jiangxi Normal University, Lab of Psychology and Cognition Science of JiangXi, Nanchang 330022, China)
全文: PDF(538 KB)   评审附件 (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 

本研究在传统0-1属性的基础上, 拓展出可以处理属性多级化的认知诊断模型——PA-rRUM和PA-DINA模型。Monte Carlo模拟研究表明:拓展模型具有较高的属性诊断正确率和参数估计精度, 且参数估计的稳定性较强, 说明拓展模型基本可行, 可以用于实现多级化属性的认知诊断。这弥补了传统0-1化属性认知诊断模型的不足, 具有较好的发展和应用前景|同时本研究还探讨了拓展模型性能及属性多级化下测验Q矩阵的设计。总之, 本研究对于进一步拓展认知诊断在实践中的应用提供了重要的方法和技术支持。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
蔡艳
涂冬波
关键词 多级化属性认知诊断模型rRUMDINA    
Abstract
Based on the traditional cognitive diagnosis models (CMDs), this study developed two new cognitive diagnosis models, PA-rRUM and PA-DINA model respectively, to handle the polytomous attributes. Through Monte Carlo simulation, it indicated that:
The parameters in the models could be identified, and robustness of the parameter estimation is relatively strong. Furthermore, the correct match ratios and accuracies of parameter estimation are decent. All these findings verified that the models are feasible for ploytomous attribute cognitive diagnosis.
It also found that the precision of might be influenced by the sample size and the number of replications for the RP*matrix. The larger the sample size is, or the greater the number of replications is, the more precise they might be. The results suggested that the Q matrix should include the RP* matrix while the attribute is polytomous.

In conclusion, the models overcame the shortcomings stemmed from dichotomous attribute models, thus they might provide a richer diagnostic result and more flexible models.

Key words polytomous attributes    cognitive diagnosis    rRUM    DINA
收稿日期: 2014-09-09      出版日期: 2015-10-25
基金资助:

国家自然科学基金(31100756, 31300876, 31160203, 31360237), 江西省社会科学规划项目重点项目(13JY01), 江西省教育科学规划项目(12YB088, 13YB029), 高等院校博士点基金项目(20123604120001), 江西师范大学青年英才培育资助计划, 东北师范大学应用统计教育部重点实验室开放课题(130026509)资助。。

通讯作者: 涂冬波, E-mail: tudongbo@aliyun.com   
引用本文:   
蔡艳;涂冬波. 属性多级化的认知诊断模型拓展及其Q矩阵设计[J]. 心理学报, 10.3724/SP.J.1041.2015.01300.
CAI Yan; TU Dongbo. Extension of Cognitive Diagnosis Models Based on the Polytomous Attributes Framework and Their Q-matrices Designs. Acta Psychologica Sinica, 2015, 47(10): 1300-1308.
链接本文:  
http://journal.psych.ac.cn/xlxb/CN/10.3724/SP.J.1041.2015.01300      或      http://journal.psych.ac.cn/xlxb/CN/Y2015/V47/I10/1300
[1] 刘彦楼;辛涛;李令青;田伟;刘笑笑. 改进的认知诊断模型项目功能差异检验方法 ——基于观察信息矩阵的Wald统计量[J]. 心理学报, 2016, 48(5): 588-598.
[2] 詹沛达;边玉芳;王立君. 重参数化的多分属性诊断分类模型及其判准率影响因素[J]. 心理学报, 2016, 48(3): 318-330.
[3] 詹沛达;陈平;边玉芳. 使用验证性补偿多维IRT模型进行认知诊断评估[J]. 心理学报, 2016, 48(10): 1347-1356.
[4] 蔡艳;苗莹;涂冬波. 多级评分的认知诊断计算机化适应测验[J]. 心理学报, 2016, 48(10): 1338-1346.
[5] 詹沛达;李晓敏;王文中;边玉芳;王立君. 多维题组效应认知诊断模型[J]. 心理学报, 2015, 47(5): 689-701.
[6] 喻晓锋;罗照盛;高椿雷;李喻骏;王 睿;王钰彤. 使用似然比D2统计量的题目属性定义方法[J]. 心理学报, 2015, 47(3): 417-426.
[7] 喻晓锋;罗照盛;秦春影;高椿雷;李喻骏. 基于作答数据的模型参数和Q矩阵联合估计[J]. 心理学报, 2015, 47(2): 273-282.
[8] 戴步云;张敏强;焦璨;黎光明; 朱华伟;张文怡. 基于CD-CAT的多策略RRUM模型及其选题方法开发[J]. 心理学报, 2015, 47(12): 1511-1519.
[9] 郭磊;郑蝉金;边玉芳. 变长CD-CAT中的曝光控制与终止规则[J]. 心理学报, 2015, 47(1): 129-140.
[10] 蔡艳;涂冬波;丁树良. 五大认知诊断模型的诊断正确率比较及其影响因素:基于分布形态、属性数及样本容量的比较[J]. 心理学报, 2013, 45(11): 1295-1304.
[11] 涂冬波,蔡艳,戴海琦. 基于DINA模型的Q矩阵修正方法[J]. , 2012, 44(4): 558-568.
[12] 汪文义,丁树良, 游晓锋. 计算机化自适应诊断测验中原始题的属性标定[J]. , 2011, 43(08): 964-976.
[13] 涂冬波,蔡艳,戴海琦,丁树良. 一种多级评分的认知诊断模型:P-DINA模型的开发[J]. , 2010, 42(10): 1011-1020.
[14] 罗,欢,丁树良,汪文义,喻晓锋,曹慧媛1. 属性不等权重的多级评分属性层级方法[J]. , 2010, 42(04): 528-538.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《心理学报》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发  技术支持:support@magtech.com.cn