具有认知诊断功能的计算机化自适应测验的选题策略研究

论文摘要

随着计算机技术的发展和项目反应理论（IRT）的日益完善,基于IRT的计算机化自适应测验（CAT）,越来越体现出传统测验所无可比拟的优越性。近年来,认知诊断（CD）也越来越受到人们的重视,将认知诊断和计算机化自适应测验相结合,开发具有认知诊断功能的计算机化自适应测验（CD-CAT）,使得对各个被试的知识状态有更加精确的估计。当前,对于CD-CAT的结果有几个方面的考虑:1)对被试知识状态的估计;2)先考虑被试知识状态的估计,再考虑能力的估计;3)对被试的知识状态和能力兼顾估计。在对被试的知识状态和能力进行估计的CD-CAT选题方法中,常用的是极大信息量方法（MI）、Kullback-Leibler信息函数法（KL）和Shannon熵方法（SHE）等。其中MI方法针对被试能力进行选题;而SHE方法和KL方法是针对被试的知识状态进行选题。本文采用Monte Carlo方法进行模拟。对几种选题方法在不同属性层级关系的条件下进行模拟与比较,并将MI方法和SHE方法相结合,设计出一种新的混合型选题方法,以便对被试的能力和知识状态都有较好的估计。其基本思想是:在被试作答试题后,先使用SHE方法选题,将题库中对于被试当前知识状态的Shannon熵值最小的一组题目选出作为备选题组,再使用MI方法选出备选题组中对于被试当前能力估计值的Fisher信息量最大的一道题目作为下一道题给被试作答。新的混合型选题方法可以在保证被试能力的估计值与“真值”之间的绝对误差的平均数较低的条件下,对被试的知识状态有较高精度的判断。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 本文主要研究工作及创新点
• 1.4 论文的组织结构
• 第二章 计算机化自适应测验
• 2.1 项目反应理论
• 2.1.1 项目反应理论的基础
• 2.1.2 项目反应理论模型
• 2.2 计算机化自适应测验
• 2.3 参数估计方法
• 2.3.1 极大似然估计法
• 2.3.2 期望后验估计法
• 2.4 选题策略
• 2.4.1 极大信息量方法
• 2.4.2 贝叶斯方法
• 2.4.3 能力匹配方法
• 2.4.4 按a 分层方法
• 第三章 具有认知诊断功能的计算机化自适应测验
• 3.1 常用的认知诊断模型
• 3.1.1 规则空间模型（RSM）
• 3.1.2 属性层级模型（AHM）
• 3.1.3 DINA 模型
• 3.1.4 NIDA 模型
• 3.2 CD-CAT 的参数估计方法
• 3.2.1 条件极大似然估计法
• 3.2.2 期望后验估计法
• 3.3 CD-CAT 的选题策略
• 3.3.1 Kullback-Lerbler 信息函数法
• 3.3.2 Shannon 熵选题法
• 第四章 CD-CAT 新选题策略与试验设计
• 4.1 混合型选题方法
• 4.2 蒙特卡洛模拟方法
• 4.3 属性的层次结构
• 4.4 数据和参数
• 4.5 试验过程
• 4.6 试验的评价指标
• 第五章 试验结果与讨论
• 5.1 无结构型层级结构试验结果
• 5.1.1 极大信息量选题法
• 5.1.2 Shannon 熵选题方法
• 5.1.3 K-L 信息量选题方法
• 5.1.4 混合型选题方法
• 5.2 线型层次结构试验结果
• 5.3 收敛型层次结构试验结果
• 5.4 发散型层次结构试验结果
• 5.5 试验结果比较
• 第六章 总结与展望
• 参考文献
• 致谢
• 在读期间公开发表论文（著）及科研情况