论文部分内容阅读
根据属性掌握表征的不同,可以将认知诊断模型分为潜在特质模型和潜在分类模型两类,二者分别以1、0二分离散型变量和连续型变量来表征属性掌握情况。在实际应用中,一般使用一种认知诊断模型对被试的作答数据进行分析。运用潜在分类模型,可分析出被试是否掌握此属性的信息,而被试的具体掌握程度则无从知晓;通过潜在特质模型,虽可直接了解被试在各维度上的能力值,但不能准确判断被试是否已经掌握该属性。因此,单一认知诊断模型提供的结果所含信息较少。本文以潜在特质模型和潜在分类模型的诊断结果为研究对象,将二者进行对比,以发现二者之间的关系,为丰富诊断结果信息提供帮助。研究采用Monte Carlo模拟,设置两个实验模拟出在测验所考察的属性之间独立的情况下,一定被试数量、项目数量和属性数量的被试作答数据,探索潜在特质模型CCM、MIRT-NC和潜在分类模型DINA的诊断结果之间的对应关系,并对聂斌(2009)的“八年级数学分式运算”认知诊断测验的实测数据进行分析。本文主要结论如下:(1)不同的被试作答数据,对CCM、DINA模型的诊断结果对比与MIRTNC、DINA模型的诊断结果对比,均有较大影响。(2)对于三种不同模型模拟的被试作答数据,按照属性掌握概率区间(0,0.2]、(0.2,0.4]、(0.4,0.6]、(0.6,0.8]、(0.8,1.0]的顺序,DINA模型判定属性掌握的比例均逐渐增大。(3)对于三种不同模型模拟的被试作答数据,在(0.6,0.8]、(0.8,1.0]两个属性掌握概率区间内,DINA模型判定属性掌握的比例均大于属性未掌握的比例;在(0,0.2]、(0.2,0.4]、(0.4,0.6]三个区间内,属性掌握的比例均小于属性未掌握的比例。(4)在模拟实验和实测数据分析中,当DINA模型判定属性掌握时,CCM模型显示属性掌握概率在(0.8,1.0]区间内的比例最大。(5)在模拟实验和实测数据分析中,当DINA模型判定属性未掌握时,MIRTNC模型显示能力值在(-0.6,0.6]区间内的比例最大。(6)在模拟实验中,在能力值(-1.8,1.8]区间内,包含了所有DINA模型判定属性掌握和未掌握的情况;实测数据的分析中,在能力值(-0.6,0.6]区间内,包含了所有DINA模型判定属性掌握和未掌握的情况。