检索结果-内蒙古大学图书馆

江西师范大学学报（自然科学版） 2021年第4期45卷 376-383页

作者：喻晓锋马奕帆罗照盛秦春影江西师范大学心理学院江西南昌330022 南昌师范学院数学与计算机系江西南昌330032

诊断测验所考察的属性之间往往存在某种层级关系,然而基于专家经验获得的属性层级关系易出现分歧或错误.该文将属性掌握模式作为输入,考察K2算法在不同阈值条件下学习得到属性层级结构的准确性.模拟研究和实证数据分析的结果表明:K2算... 详细信息

诊断测验所考察的属性之间往往存在某种层级关系,然而基于专家经验获得的属性层级关系易出现分歧或错误.该文将属性掌握模式作为输入,考察K2算法在不同阈值条件下学习得到属性层级结构的准确性.模拟研究和实证数据分析的结果表明:K2算法对属性层级结构的学习有较高的成功率,并且K2算法对于4种基本层级结构有不同的敏感性,其中线性型和发散型对阈值的敏感性较低,而收敛型和无结构型对于阈值的敏感性较高.

关键词：贝叶斯网络结构学习算法属性层级结构 K2算法

来源：评论

学校读者我要写书评

暂无评论

基于三种结构学习算法的属性层级结构估计研究与应用

基于三种结构学习算法的属性层级结构估计研究与应用

引用

作者：马奕帆江西师范大学

学位级别：硕士

诊断测验所考察的认知属性之间通常不是独立的,往往存在某种层级关系,以类似网络的形式相互联系。认知属性间存在的这种心理顺序或者层级关系,称为属性层级结构(Attribute Hierarchy,AH)。在实际的测验情景,准确获取属性层级关系具有挑... 详细信息

诊断测验所考察的认知属性之间通常不是独立的,往往存在某种层级关系,以类似网络的形式相互联系。认知属性间存在的这种心理顺序或者层级关系,称为属性层级结构(Attribute Hierarchy,AH)。在实际的测验情景,准确获取属性层级关系具有挑战性,基于经验所获得的属性层级关系容易出现错误或不一致的设定。基于此,本研究从数据驱动的角度来估计属性层级结构,一方面,为实现智慧测评系统中的自动化属性层级界定提供了可能,另一方面,以此来减少人为判断所造成的主观性,并且在人为界定时出现不一致设定的时候提供客观的补充证据。本文基于三种贝叶斯网络结构学习算法,从学生对属性的掌握数据中推导属性间的关系。将学生的属性掌握模式作为输入,利用贝叶斯网络结构学习算法:K2算法、HC算法和MMHC算法学习得到属性层级结构。为了考察三种贝叶斯网结构学习算法,在不同条件下所学习得到属性层级结构的准确性,本文开展了一系列研究,考虑的主要因素有:属性水平(二分属性或多分属性)、属性个数、题目质量、题目数量、样本量、K2算法下的阈值以及真实的属性层级结构。具体开展了三项研究,研究一:基于需要属性拓扑排序的算法(K2算法)的层级结构学习研究,研究二:基于不需要属性拓扑排序的算法(HC和MMHC)的层级结构学习研究,研究三:实证数据研究。研究结果表明:(1)K2算法对属性层级结构的学习有较高的成功率,二分属性下在合适的条件下可以得到完全正确的属性层级结构,多分属性下在合适的条件下正确率可以达到80%以上。HC算法和MMHC算法结果接近,二分属性下在合适的条件下正确率可达到95%以上,多分属性下在合适的条件下正确率可以达到90%以上;(2)二分属性下,随着属性个数增加,正确率随之降低,题目质量越好,正确率略微升高,样本量对正确率影响不大;多分属性下,题目质量和题目数量对正确率都有较大的影响,题目质量越低,题目数量越少,正确率越低;(3)K2算法下,阈值越高,线性型、发散型和收敛型的正确率越高,在阈值为0.05时,即评分标准最严格时,正确率最高。无结构型则相反,阈值越高,正确率越低;(4)因为结构评分等价或者算法本身陷入局部最优,HC算法和MMHC算法识别收敛型的正确率较低,甚至会出现样本量对估计准确率起到抑制作用;(5)在实证数据的研究中,选用图宾根大学的一项概率论教学实验的数据,结果表明K2算法严格标准下得到的属性层级结构更加符合逻辑。贝叶斯网络结构学习算法得到的结果确实在一定程度上反映了“参与者的属性层级结构”,对专家制定属性层级结构有补充作用。

关键词：贝叶斯网络结构学习算法属性层级结构 K2算法 HC算法 MMHC算法

来源：评论

学校读者我要写书评

暂无评论

谱聚类算法在不同属性层级结构诊断评估中的应用

引用

心理科学 2018年第3期41卷 735-742页

作者：郭磊杨静宋乃庆西南大学心理学部重庆400715 西南大学统计学博士后科研流动站重庆400715 中国基础教育质量监测协同创新中心西南大学分中心重庆400715 重庆市脑科学协同创新中心重庆400715 东北师范大学数学与统计学院长春130024 东北师范大学数学与统计学院应用统计教育部重点实验室长春130024 西南大学基础教育研究中心重庆400715

聚类分析已被用于认知诊断评估(CDA)中,使用较广泛的方法为K-means算法,有研究证明K-means在CDA中具有较好的聚类效果。谱聚类算法通常比K-means分类效果更佳,需将谱聚类算法引进CDA,探讨属性层级结构、属性个数、样本量和失误率对该方... 详细信息

聚类分析已被用于认知诊断评估(CDA)中,使用较广泛的方法为K-means算法,有研究证明K-means在CDA中具有较好的聚类效果。谱聚类算法通常比K-means分类效果更佳,需将谱聚类算法引进CDA,探讨属性层级结构、属性个数、样本量和失误率对该方法的影响。研究发现:(1)谱聚类算法要比K-means提供更好的聚类结果,且更加稳健;(2)线型结构聚类效果最好,收敛型和发散型相近,独立型结构表现较差;(3)属性个数和失误率增加后,聚类效果会下降;(4)样本量增加后,聚类效果有所提升,但K-means方法有时会有反向结果出现。

关键词：非参数认知诊断谱聚类 K-means 属性层级结构

来源：评论

学校读者我要写书评

暂无评论

多分属性层级结构下引入逻辑约束的理想掌握模式

引用

江西师范大学学报（自然科学版） 2017年第3期41卷 289-295页

作者：詹沛达丁树良王立君北京师范大学中国基础教育质量监测协同创新中心北京100875 江西师范大学计算机信息工程学院江西南昌330022 浙江师范大学教师教育学院心理系浙江金华321004

多分属性比传统的2分属性提供更多更详细的诊断反馈信息,具有广阔的应用前景.在多分属性情境下,当属性之间存在层级结构时,会出现原2分属性情境下不存在的逻辑问题:如果被试仅低程度地掌握了父属性,那么他是否还有可能高程度地掌握子属... 详细信息

多分属性比传统的2分属性提供更多更详细的诊断反馈信息,具有广阔的应用前景.在多分属性情境下,当属性之间存在层级结构时,会出现原2分属性情境下不存在的逻辑问题:如果被试仅低程度地掌握了父属性,那么他是否还有可能高程度地掌握子属性?从逻辑上讲,这种"父属性掌握程度低而子属性掌握程度高"的发展情况并不具有普适性.对此,该文首先在多分属性情境下,基于现有的计算理想掌握模式的方法提出了满足"属性掌握水平约束假设"的理想掌握模式计算方法.然后,通过模拟研究说明该逻辑约束的使用方法及忽略该逻辑约束可能对诊断结果带来的危害.

关键词：认知诊断多分认知属性多分Q矩阵多分可达矩阵 Q矩阵属性层级结构

来源：评论

学校读者我要写书评

暂无评论

面向学习的测量模型选择与组卷设计研究

面向学习的测量模型选择与组卷设计研究

引用

作者：袁思玉江西师范大学

学位级别：硕士

随着信息技术的发展和知识更新速度的加快,人们对于学习的方式也有了更高的要求。测评不仅仅能够用来选拔人才,也能够增强学生记忆、加深其对事物理解深度和提升其学习迁移能力。面向学习的测评更能够促进学生的学习和个人成长,发展面... 详细信息

随着信息技术的发展和知识更新速度的加快,人们对于学习的方式也有了更高的要求。测评不仅仅能够用来选拔人才,也能够增强学生记忆、加深其对事物理解深度和提升其学习迁移能力。面向学习的测评更能够促进学生的学习和个人成长,发展面向学习的测评符合当今时代人们的需求。同时,认知诊断评估在众多测评方法中脱颖而出,而认知诊断评估设计的基本过程包括项目的选择和认知诊断模型的选择或开发等。因此,本文围绕“面向学习”这个核心对认知诊断评估中的模型选择和项目选择开展相关研究。研究一为面向学习测评的纵向认知诊断模型的泛化性能比较研究。面向学习测评的纵向认知诊断模型近年来发展迅速。为了研究纵向认知诊断模型适应新鲜数据的能力,主要考查三种纵向认知诊断模型在不同纵向数据上的泛化性能。这三种纵向认知诊断模型分别为模式级别上的潜在转换分析模型Patt-DINA、属性级别上的潜在转换分析模型Att-DINA和基于高阶潜在结构的sLong-DINA模型。借助被试知识状态的属性判准率与模式判准率、模型绝对拟合指标和模型相对拟合指标,评价这三种模型的表现。模拟研究结果表明,Att-DINA模型和sLong-DINA模型在大多数条件下更具优势,即泛化性能相对较好,Patt-DINA模型因待估计参数较多而优势较小,但Patt-DINA模型在样本量大时仍具有优势并且它能估计的知识状态类间转移概率有更大的变化空间。另外,研究中也引入了实测数据对该结论进行验证。研究二为面向学习的组卷设计研究,主要提出了一种基于贝叶斯后验概率比的认知诊断组卷方法。构建高质量的测试一直是研究者们关注的问题。目前已有的组卷方法主要是基于贪心算法来保证目标函数的优化,例如,基于认知诊断指标(Cognitive Diagnostic Index,CDI)和属性区分力指标(Attribute-level Discrimination Index,ADI)的组卷方法,以及它们的改进方法MCDI(Modified Cognitive Diagnostic Index)和MADI(Modified Attribute-level Discrimination Index)。然而,这些方法因为仅采用题目或属性信息的汇总指标进行组卷,无法从整体上提升组卷的质量。基于混合整数线性规划(Mixed-Integer Linear Programming,MILP)实现的最大化最小类间距离(Maximize the Minimum Distance between classes,MMD)的组卷方法解决了上述问题,但它尚未应用于具有属性结构的认知诊断。因此,本文在考虑属性结构先验信息的前提下,对MMD方法进行了贝叶斯扩展,同时放宽了MILP中的约束函数以减少计算时间。本研究基于两种认知诊断模型,在六种属性结构下进行了仿真研究。另外,本文还使用英语水平证书考试(ECPE)实测数据对新方法进行研究。结果表明,在测试长度较短的情况下,新方法在分类精度和相对熵类间距离方面均优于现有方法。

关键词：信息处理教育测量纵向认知诊断模型泛化性能组卷方法属性层级结构贝叶斯后验概率比

来源：评论

学校读者我要写书评

暂无评论

基于属性层级结构的认知诊断测验的组卷

引用

心理学探新 2013年第3期33卷 252-259页

作者：唐小娟丁树良毛萌萌俞宗火江西师范大学心理学院南昌330022 南昌航空大学数学与信息科学学院南昌330063 江西师范大学计算机信息工程学院南昌330022 南昌大学教育学院南昌330031 北京大学光华管理学院北京100871

认知诊断测验组卷方法对提高被试属性掌握模式的判准率至关重要。Henson和Douglas的组卷方法(2005)得到的认知诊断测验判准率不高,没有考虑属性间的层级关系是重要原因。本文提出一种基于属性层级结构的认知诊断组卷方法:首先根据属性... 详细信息

认知诊断测验组卷方法对提高被试属性掌握模式的判准率至关重要。Henson和Douglas的组卷方法(2005)得到的认知诊断测验判准率不高,没有考虑属性间的层级关系是重要原因。本文提出一种基于属性层级结构的认知诊断组卷方法:首先根据属性层级结构确定待选项目类集合,其次根据新建构的选题指标确定项目类,然后由属性区分被试的能力确定各项目类中题目的数量,并在测验Q阵中放入可达阵。模拟研究表明:新方法比H&D方法在判准率上有很大的提高;新的选题指标比H&D的指标大大缩短计算时间。

关键词：认知诊断测验组卷属性层级结构可达阵选题指标属性水平信息

来源：评论

学校读者我要写书评

暂无评论

认知诊断中的Q矩阵及其作用

引用

心理科学 2019年第3期42卷 739-746页

作者：王晓庆丁树良罗芬江西师范大学计算机信息工程学院

Q矩阵作为连接认知和测量的桥梁,在认知诊断中起重要作用。本文梳理了应用Q矩阵解决认知诊断相关问题的理论与方法。首先整理Q矩阵的相关概念、算法、性质及其在认知诊断中的作用;并根据Q矩阵可计算理论构念效度、可以构成格等,指出Q矩... 详细信息

Q矩阵作为连接认知和测量的桥梁,在认知诊断中起重要作用。本文梳理了应用Q矩阵解决认知诊断相关问题的理论与方法。首先整理Q矩阵的相关概念、算法、性质及其在认知诊断中的作用;并根据Q矩阵可计算理论构念效度、可以构成格等,指出Q矩阵是特殊的关联矩阵;接着介绍Q矩阵理论研究方面的几个近期发展;最后对Q矩阵未来的应用研究作出展望。期望本文能为测量工作者更灵活地利用Q矩阵提供参考和帮助。

关键词：认知诊断 Q矩阵属性层级结构可达阵

来源：评论

学校读者我要写书评

暂无评论

基于属性层级结构的认知诊断测验的编制

基于属性层级结构的认知诊断测验的编制

引用

第十届海峡两岸心理与教育测验学术研讨会暨全国教育与心理统计测量学术年会

本文结合属性层级结构提出新的选题指标，根据新的选题指标确定能有效区分被试的项目类。然后根据所选择的项目类次数和考察属性次数，计算各个项目类的属性提供的信息，由提供信息的多寡去决定项目类中项目的个数，同时适当地把可达阵... 详细信息

本文结合属性层级结构提出新的选题指标，根据新的选题指标确定能有效区分被试的项目类。然后根据所选择的项目类次数和考察属性次数，计算各个项目类的属性提供的信息，由提供信息的多寡去决定项目类中项目的个数，同时适当地把可达阵放入测验中进行组卷。所以，组卷方法由待选项目类集合的确定、选取项目类指标、考察属性、组卷等四个部分组成。模拟研究表明，本文的组卷方法比Henson等的方法模式判准率大大提高。

关键词：心理测验测验认知诊断属性层级结构模式判准率

来源：评论

学校读者我要写书评

暂无评论

聚类诊断分析法诊断正确率的影响因素

引用

中国考试 2015年第2期 25-32页

作者：康春花任平浙江师范大学教师教育学院

非参数认知诊断方法只需Q矩阵,无须估计参数等优势,使其近年来备受关注,但其判准率如何,哪些因素会影响判准率,并未有相关研究。本文通过模拟研究,探讨属性个数、样本容量和属性层级结构对该方法判准率的影响,结果表明:1属性个数的增加... 详细信息

非参数认知诊断方法只需Q矩阵,无须估计参数等优势,使其近年来备受关注,但其判准率如何,哪些因素会影响判准率,并未有相关研究。本文通过模拟研究,探讨属性个数、样本容量和属性层级结构对该方法判准率的影响,结果表明:1属性个数的增加会导致判准率的下降,但其稳健性较参数模型要好;2属性间逻辑关系的紧密度会对判准率产生影响,但其表现形式与参数模型不同;3样本容量对判准率影响很小,属性个数较少时100人已足够,随着属性个数的增加,500人的样本已是较佳样本。本研究为CDA走向小型测评及课堂评估提供了参考信息。

关键词：非参数认知诊断 K-means方法属性个数样本容量属性层级结构

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：