计算机化自适应诊断测验中原始题的属性标定

作     者：汪文义 丁树良 游晓锋 WANG Wen-Yi;DING Shu-Liang;YOU Xiao-Feng

作者机构：江西师范大学心理学院南昌330022 江西师范大学计算机信息工程学院南昌330022 外语教育与研究出版社北京100089 

出 版 物：《心理学报》 (Acta Psychologica Sinica)

年 卷 期：2011年第43卷第8期

页      面：964-976页

核心收录：

学科分类：0402[教育学-心理学(可授教育学、理学学位）] 04[教育学] 040201[教育学-基础心理学] 

基　　金：国家自然科学基金项目(30860084 60263005) 教育部人文社科项目(09YJCXLX012 10YJCXLX049) 全国教育考试"十一五"科研规划项目 (2009JKS2009) 江西省教育厅青年科学基金项目(GJJ10238) 高等学校博士学科点专项科研基金联合资助课题(20103604110002) 江西省研究生创新专项资金项目(YC10A039) 江西师范大学研究生创新基金项目(YJS2010040) 

主　　题：计算机化自适应诊断测验 在线属性向量标定 MMLE DINA模型 

摘      要：认知诊断测验项目开发成本较高,要标定大量项目的属性相当费时费力,专家完成这一任务也比较困难。对于在计算机化自适应诊断测验中的项目属性的标定尚未见到报导。在已有的为诊断测验开发的小型题库基础上,本文在计算机化自适应认知诊断测验过程中,植入原始题,对项目属性标定的问题进行探讨,重点研究原始题属性标定的方法及其影响因素,除了MMLE方法和MLE方法外,还建立了一种新的可用于所有非补偿认知诊断模型的属性标定的方法——交差方法。MonteCarlo模拟结果显示,MMLE方法较MLE方法好;在知识状态估计精度较高时,自适应植入原始题较随机植入原始题有一定的优势;随着知识状态估计精度提高和原始题作答次数增加,交差方法与MLE方法基本相当,只是在发散型和无结构型表现欠佳,但是交差方法不需要预先设定项目参数值。