论文部分内容阅读
传统的纸笔测验只能提供被试的一个总分,随着计算机的应用,计算机化自适应测验不仅能提供被试的分数,而且能估计出被试的能力水平,但是这两种测验都没有研究被试的知识状态。认知诊断结合认知心理学、心理计量学和学科教学研究而渐渐发展成为一门新兴科学,并且越来越显示出它在教育方面的重要性和发展潜力。认知诊断评估根据被试作答反应诊断出被试对认知属性的掌握情况,从而获得被试的具体认知状况,教师可以在认知诊断理论指导下设计试题,找出具有认知错误的学生,以便对症下药进行补救教学,做到因材施教。Tatsuoka的规则空间模型(Rule Space Model,RSM)是一种基于统计模式识别和分类的认知诊断模型。RSM分为两个阶段,第一阶段是特征提取阶段,第二阶段是统计模式分类。在特征提取阶段,RSM中特征变量是知识状态、认知思维能力(均简称为属性,attribute),在第二阶段的分类中,按学生的知识状态进行分类,分为学生掌握属性与学生未掌握属性两类。模式分类是模式识别研究的核心内容,分类准确率也是认知诊断的研究的重要内容。一个好的认知诊断测验不仅能估计出被试的能力,能区分被试的认知状态,而且还能提供观察学生反应过程的机会和从学生的回答中增加可利用的信息。认知诊断是根据一定的认知诊断模型进行的,用于测验的诊断模型有很多种,据不完全统计,国外开发了60多个认知诊断模型,本文采用的是国外研究较多而我国研究较少的一种认知诊断模型——DINA(deterministic inputs, noisy‘and’gate,试译为确定性输入,噪声“与门”模型)。为了提高分类准确率,本文提出了将可达阵与认知诊断信息量指标相结合的选题策略,Monte Carlo模拟实验结果显示,模式判准率和平均边际判准率都有所提高。