论文部分内容阅读
随机抽取210名12至23岁的青少年作为研究对象,采用认知诊断方法以多策略多成分潜在特质模型为工具,结合认知诊断模型和青少年数字推理的特点和要求,精心编制数字推理标准测验、数字推理分析测验和数字推理应用测验对青少年数字推理能力进行测量;编制项目缺失测验对工作记忆刷新功能的发展水平进行测量。根据作答模式对个体在解答数字推理题时所使用的策略进行判定,根据个体解答数字推理题时的解题过程判定认知过程的主要认知成分,经过能力参数和项目参数估计及统计分析得到如下两方面的结论:第一方面:多策略多成分潜在特质模型在数字推理认知诊断中的作用:(1)利用该模型可以分解个体的数字推理能力,将以往单一的能力值分解为视知觉识别能力、规则构建能力和规则应用能力,从能力结构微观的对个体的能力水平进行分析。(2)利用该模型可以分析个体解答数字推理题所经历的认知加工过程,知道个体解答某项目时所使用的策略,对个体错误解答某项目的原因进行诊断。第二方面:青少年数字推理能力与策略使用的特征:(1)解答数字推理题时个体主要采用了知觉策略、规则策略和猜测。各策略得分之间存在显著差异,规则策略使用频数最大,其次是猜测和知觉策略;各策略的策略效能不同,规则策略是最为有效的策略,其次是知觉策略,猜测的效能最低。(2)各年级策略得分存在显著差异,年级越高,高级的、适宜的规则策略与知觉策略的策略得分越高,低级的、不适宜的猜测策略的策略得分降低。(3)解答数字推理题所使用的策略与从策略的认知加工过程中分解出的认知成分能力水平密切相关,而与从其他策略中分解出的认知成分能力水平相关低。数字推理能力与猜测显著负相关,能力水平高的个体进行猜测的可能性低;刷新能力与各策略使用之间均存在显著的中低程度的相关。策略得分与年级和专业性质之间显著相关,猜测策略得分只与项目难度显著相关。(4)数字推理认知加工过程中分解出的认知成分主要有视知觉识别、规则构建和规则应用。认知成分能力水平发展间差异不显著;各年级的认知成分能力水平发展存在差异显著,高中生和大学生的数字推理能力水平显著高于初中生的,大学生视知觉识别能力水平显著高于高中生的,大学生规则构建和规则应用能力水平显著低于高中生的。(5)数字推理能力与年级和专业性质之间显著相关,与工作记忆的刷新能力显著相关。(6)规则构建、视知觉识别、规则应用、刷新能力和年龄是数字推理能力的重要预测因子,其中规则构建是最为重要的预测因子。