论文部分内容阅读
DINA模型是一种参数简单且易理解的认知诊断模型,近年来,关于DINA模型的应用研究和拓广研究越来越多,这些新模型主要围绕认知诊断模型的属性水平划分方法和评分方法两个方面对DINA模型进行完善。至今,二分属性DINA模型已能够同时处理二级评分数据资料和多级评分数据资料,但多分属性DINA模型仍然只适用于二级评分数据资料,对多级评分数据资料“无能为力”。多分属性是二分属性的高级形式,但多分属性模型比二分属性模型更为复杂,待估计的参数更多,用多分属性模型进行认知诊断评估花费的时间和精力更多。Karelitz(2004)认为1个多分属性可以转换成Lk个二分属性,而詹沛达等(2016)进一步指出由1个多分属性转换而来的Lk个二分属性之间存在线型层级关系,即1个多分属性内部(Lk+1)个水平的关系相当于Lk个满足线型层级关系的二分属性。如果根据一定的规则将多分属性转换成二分属性,再将多分属性模型与对应的二分属性模型进行比较研究,结果表明多分属性模型提供的诊断信息的准确性与二分属性模型提供的诊断信息的准确性相当或差异非常小,便可考虑在实际应用中用二分属性代替多分属性,以简化认知诊断评估过程。基于以上问题,本论文进行了两个研究。为了使多分属性DINA模型也能够处理多级评分数据资料,研究一基于Samejima等级反应模型中累积类别反应函数思想,将詹沛达等(2016)重参数化后的多分属性DINA模型(RPa-DINA模型)进行多级评分拓广,新模型简称为PRPa-DINA模型。PRPa-DINA模型参数估计的方法为基于贝叶斯的MCMC方法,实验采用2X2完全随机实验设计,其自变量为样本量和项目参数。研究二是认知诊断中多分属性与二分属性的对比研究,分为两个实验,分别按照Karelitz(2004)和詹沛达等(2016)对多分属性与二分属性的关系的描述,将多分属性转化成二分属性,根据多分属性模型模拟生成一批数据,在多分属性模型和二分属性模型(其中二分属性是由多分属性模型中的多分属性转化而来)中使用同一批数据进行参数估计,比较两个模型的判准率(均MMR和PMR)、项目参数的bias与RMSE等指标。研究结果表明:(1)PRPa-DINA模型单个属性判准率较高,介于0.666～0.872之间;属性模式判准率不够理想,介于0.322～0.580之间。(2)样本量为500时,随着项目参数增大,单个属性判准率和项目参数准确性更高。而样本量为1000时,随着项目参数减小,单个属性判准率和项目参数准确性更高。(3)在用PRPa-DINA模型估计两个项目参数时,其中猜测参数准确性由于失误参数准确性。(4)在一定程度上,等价转换条件下,多分属性和二分属性之间确实存在等价关系,但两者并非完全等价,二者间的差异随着多分属性个数增加更加明显。综上所述,在实际中应用本研究开发的新模型时建议将样本量设置在1000以上,项目参数设置为0.1,以提高该模型PMR和项目参数估计准确性。也可以考虑两个参数设置不同的数值。在概念上和数据分析上,多分属性都较二分属性更有优势。在教育与测验领域中,若专家认为某个属性为多分属性,则没必要将多分属性二分化,而应直接采用多分属性CDM;若数据分析者基于某些原因不得不将多分属性二分化时,应优先考虑根据等价转换思想将多分属性转换成二分属性。