论文部分内容阅读
本文提出两种非参数化的Q矩阵估计方法分别是基于海明距离的Q矩阵估计方法（HD）和基于理想得分的ICC指标法（ICC-IR）。基于海明距离的方法是通过计算理想得分与观察作答之间的海明距离来对Q矩阵进行估计。ICC指标是在HCI指标的启发下开发的题目测量模式层级关系的指标。基于理想得分的ICC指标法是先估计被试的掌握模式，然后构建理想得分矩阵，再计算ICC指标的方法。 为了验证本文提出的两种Q矩阵估计方法的效果，本文采用蒙特卡洛模拟方法进行研究。考虑了Q矩阵属性个数、被试人数、基础题个数等因素。并采用实证数据进行研究，采用Tatsuoka分数减法数据进行实验。研究结果表明： （1）本文开发的基于海明距离的Q矩阵估计方法和ICC-IR法均具有很高的成功率，并且属性个数越少或基础题越多成功率越高。此外这两种方法受被试人数影响较小。相对于已有方法是更有效的方法。 （2）相对于已有的Q矩阵估计方法，本文介绍的方法都是基于非参数的方法，计算简单，运算速度快，并且不受模型与数据之间拟合的影响。 （3）在实证数据中的研究发现，开发的方法具有较好的潜在应用前景与应用价值。