AHM模型下的新分类方法

论文摘要

相较与标准测验理论,新一代测验能够提供有关被试的详细信息。作为新一代测验理论重点,认知诊断受到国内外研究者的广泛关注。认知诊断模型的建立就是为了评估被试,得到个体的详细信息。Leighton等人提出的属性层级模型(AHM)是一种基于统计模式识别和分类的认知诊断模型。根据已确定的属性之间的层级关系,属性层级模型可以将被试在试题上的反应模式即观察反应模式(ORP)划归为期望反应模式(ERP),以此得到被试的知识状态,进而能够对被试进行有效的、有针对性的补救。属性层级模型中有两种模式分类方法:方法A和方法B。本文对这两种方法进行了探讨和研究,指出其不足之处,并在此基础上提出一系列关于期望反应模式和观察反应模式之间的相似性指标。为了提高判准率,两个因素被仔细考虑:期望反应模式的概率(或观察反应模式),例如:期望反应模式的可能性(或观察反应模式)和期望、观察反应模式一致部分的可能性。一系列新的关于两者概率和相似性指标的分类方法就此建立。本文对以上所有分类方法的属性模式判准率和属性边际判准率进行了模拟研究。结果表明,在按照Ying Cui和Leighton等人(2006)提出的模拟方法进行模拟实验的情况下,即猜测和失误(Leighton等称其为slip)服从(0,1)上的均匀分布、各期望反应模式人数服从正态分布的情况下,所有的新方法中的A方法均比Leighton等人提出的方法A在属性模式分类正确率上有大幅提高,并且随着slip的增多而优势更加明显;而新方法的B方法较Leighton等人的方法B在模式分类正确率上也具有明显优势;在属性边际判准率方面,新方法较Leighton等人提出的方法A和方法B也略优。

论文目录

• 中文摘要
• 英文摘要
• 1 引言
• 1.1 研究背景
• 1.2 本文工作及论文组织
• 2 认知诊断与模式识别综述
• 2.1 认知诊断综述
• 2.1.1 认知诊断的源起
• 2.1.2 认知诊断的定义、特征、及意义
• 2.1.3 实现认知诊断的两大基础
• 2.1.4 认知诊断模型
• 2.2 模式识别综述
• 2.2.1 模式识别定义
• 2.2.2 模式识别分类
• 2.2.3 模式识别方法
• 2.2.4 模式识别的应用
• 2.2.5 统计模式识别
• 2.2.6 模式识别技术的近乎无限的发展潜力
• 3 AHM 模型下的新分类方法
• 3.1 新的分类方法
• 3.1.1 新分类方法1
• 3.1.2 新分类方法2
• 3.1.3 新分类方法3
• 3.1.4 新分类方法4
• 3.2 以上所有新方法的总推导公式
• 4 实验与结论
• 4.1 实验方法
• 4.1.1 Tatsuoka 的矩阵的生成方法
• 4.1.2 根据图4.1.2 属性层级关系，生成Tatsuoka 的矩阵
• 4.1.3 根据期望反应模式模拟产生5000 个被试
• 4.1.4 产生被试观察反应模式
• 4.1.5 对被试观察反应矩阵进行参数估计
• 4.1.6 进行分类并记录分类结果
• 4.2 评价指标
• 4.3 结果分析与讨论
• 5 总结与展望
• 参考文献
• 附录