认知诊断评估中知识状态估计方法简述

尽管认知诊断评估的方法或模型众多,但其最终目的都是要报告被试属性掌握的强项与不足,即对被试的知识状态进行估计或分类。本文主要对规则空间模型、属性层级模型、确定性输入噪音与门模型和其他几个模型下知识状态估计方法进行简述,重点介绍各知识状态估计方法的基本思想、优缺点及它们内在的联系与区别。最后,概述影响知识状态估计结果的因素,并提出应进一步研究的问题。     

不同因素对认知诊断DINO模型诊断准确率的影响

本文探究不同因素对确定性输入噪声"或"门模型(DINO)判准率的影响。模拟实验表明:DINO模型更适用于离散型属性层级结构;测验长度的合理增加有助于提高诊断的准确率;DINO模型对属性层级结构不敏感;认知属性个数的增加会降低DINO模型的诊断准确率,实际应用中建议认知属性个数控制在6个以下。     

基于DINA模型的学生认知状态诊断研究

在教育信息化背景下,个性化教学成为教育领域的研究热点。认知诊断与教育的深度融合能精准获取学生的认知状态,为不同学习者提供个性化的教学准备和学习支持,促进个性化教学的发展。以北师大版八年级上册数学教材中《一次函数》章节为例,开发诊断模型,通过诊断测验获得被试在测验上的作答反应来推测被试不可观察的知识状态,在微观层面分析学生心理加工过程和活动行为规律,对学生作答反应背后隐藏的潜在认知优势与不足做出精确判别。     

认知诊断DINA模型研究进展

DINA模型是认知诊断潜在分类模型中的一种,它是一个简单的随机连接模型,由于该模型只涉及失误和猜测两个参数,比其他模型更加简洁、灵活和易于解释,因此得到了广泛的理论和应用研究。近年来,在传统DINA模型的基础上,又有更加完善的HO-DINA模型,P-DINA模型以及G-DINA模型等被提出和探讨,由此可见,DINA模型有着良好的发展前景,同时有待相关工作者进行更深入的研究。     

基于DINA模型的高中离子反应认知诊断研究

基于DINA认知诊断模型,对高一化学离子反应进行认知诊断研究.研究结果表明:离子反应7个认知属性和属性间层级关系是合理的,基于Q矩阵理论编制的离子反应认知诊断试卷诊断效果较好,学生的认知属性掌握模式和掌握概率有差异,掌握模式比分数更能诊断学生的认知情况.基于此,对当前高一化学教学提出了合理建议.     

基于DINA模型高中生化学键概念群学习的认知诊断

基于DINA认知诊断模型,对高中生“化学键”概念群的学习进行认知诊断。根据诊断结果绘制出了学生“化学键”概念群学习路径图,形成了学生个体诊断报告,详细展现了学生“化学键”概念群学习的认知水平与障碍点。     

知识偏差的特性及理论解释

知识偏差是信息不对称造成的一种认知偏差,具有普遍性和顽固性的特点,广泛存在于人们生活和工作各个领域,对个体的决策判断影响较大,但还没有完全有效的除偏技术消除这种偏差。另外,目前国内外关于知识偏差产生的理论解释还缺乏比较一致的比较有说服力的理论模型。     

模拟偏差对自助法估计的影响探讨

文中探讨了模拟偏差对自助法均值估计的影响.首先,从分布N（1,12）中产生样本数据,利用自助法,得到自助法均值的估计.然后讨论了样本数据均值和总体分布均值的偏差对自助法估计的影响.结果表明,当偏差的绝对值小于等于0.54时,模拟结果较好,当偏差的绝对值大于等于0.56时,模拟结果很差.     

模糊线性回归模型参数的最优线性相关估计

该文从预测值与观测值的偏差的角度给出了模糊线性回归模型参数的最优线性相关估计的概念。     

深度学习视域下认知偏差对知识建构的影响机制研究

知识建构是实现深度学习的有效途径,亦是各参与主体冲突协商、相互博弈的过程,而认知偏差作为学习者固有的认知心理现象,易对知识建构协同策略的选择产生影响.为深入揭示深度学习知识建构过程中学习者认知内在机制,基于演化博弈理论,利用结构方程模型对认知偏差、团队冲突与知识建构的关系迸行分析.研究表明,证实性偏差、自我维护偏差和敌对归因偏差显著正向直接影响知识建构,任务冲突在认知偏差和知识建构之间起中介作用,而关系冲突与知识生成的关系不显著.据此基于脑科学对认知偏差的阐释,从社会连接、心理契约、心智解读、自我意识与控制、情绪等五个维度提出了知识建构有效发生策略,拓展了深层次知识建构的研究范畴,助力深度学习的有效发生与良性发展.     

主观题评分标准研究

本文以2006年上海市高考政治学科论述题评分标准为例,从三个方面研究如何评价主观题评分标准的优劣,即每个评分项是否具有相对独立性;根据若干评分项的结果是否能够推测出考生的综合论述的能力;每个评分项等第划分是否合理。因子分析表明该主观题四个评分项具有单维性,一个因子可以解释为考生的综合论述能力。相关分析表明四个评分项均具有相对独立性,对推测考生的综合论述能力起到了彼此独立的作用。Rasch评分量表模型分析显示,各评分项等级划分基本合理,但个别等级出现信息量不足,在此基础上,提出了改进评分标准的若干建议。     

考生能力分布与被试量对IRT等值的影响

基于项目反应理论中的LOGISTIC双参数模型研究共同题非等组设计下,考生能力分布与被试量对等值的影响。等值方法采用分别校准下的项目特征曲线法、Stocking-Lord法、Haebara法。等值结果采用等值分数标准误、等值系数标准误、共同题参数稳定性三种方法进行评价。研究结果表明,考生能力分布越接近,被试量越大,等值误差越小;且Stocking-Lord法较Haebara法的等值结果更稳定。     

Parameter Estimation Accuracy of the Effort-Moderated Item Response Theory Model Under Multiple Assumption Violations

As low-stakes testing contexts increase, low test-taking effort may serve as a serious validity threat. One common solution to this problem is to identify noneffortful responses and treat them as missing during parameter estimation via the effort-moderated item response theory (EM-IRT) model. Although this model has been shown to outperform traditional IRT models (e.g., two-parameter logistic [2PL]) in parameter estimation under simulated conditions, prior research has failed to examine its performance under violations to the model’s assumptions. Therefore, the objective of this simulation study was to examine item and mean ability parameter recovery when violating the assumptions that noneffortful responding occurs randomly (Assumption 1) and is unrelated to the underlying ability of examinees (Assumption 2). Results demonstrated that, across conditions, the EM-IRT model provided robust item parameter estimates to violations of Assumption 1. However, bias values greater than 0.20 SDs were observed for the EM-IRT model when violating Assumption 2; nonetheless, these values were still lower than the 2PL model. In terms of mean ability estimates, model results indicated equal performance between the EM-IRT and 2PL models across conditions. Across both models, mean ability estimates were found to be biased by more than 0.25 SDs when violating Assumption 2. However, our accompanying empirical study suggested that this biasing occurred under extreme conditions that may not be present in some operational settings. Overall, these results suggest that the EM-IRT model provides superior item and equal mean ability parameter estimates in the presence of model violations under realistic conditions when compared with the 2PL model.     

基于IRT的自动组卷算法模型研究

基于项目反应理论(IRT),采用离差加权值最小和测验项目信息函数值最高两个目标规划相结合的办法,设计了一个新的自动组卷数学模型。该模型克服了经典测量理论(CTT)的种种局限,有效解决了计量指标——信息量与非计量指标——题型分布、知识点分布等约束条件计算量纲不同的问题,很好地体现了测试项目信息函数值最高的组卷目标。     

高考命题中试题难度预测方法探索

运用命题教师主观评估、多元线性回归分析和BP神经网络建模三种预测方法,对高考命题过程中试题的难度进行预测,并对三种方法的预测性能进行比较.结果发现,三种预测方法均具有较高的预测准确度,其中,BP神经网络预测模型对试题难度的预测准确度相对更高,误差相对更小.     

“广义知识教学过程模型”下的高职英语教学研究

广义知识教学过程模型视教学过程为＂三阶段六步骤＂,缺少任何一步,学习或者不能发生,或者发生了但不能持久保持。本文作者在高职英语课堂教学上引入该模型,旨在探索广义知识教学过程模型能否指导高职英语教学。研究结果表明：广义知识教学过程模型能促进高职英语的教学成效。     

The Impact of Various Class-Distinction Features on Model Selection in the Mixture Rasch Model

The purpose of the current study is to examine the performance of four information criteria (Akaike's information criterion [AIC], corrected AIC [AICC] Bayesian information criterion [BIC], sample-size adjusted BIC [SABIC]) for detecting the correct number of latent classes in the mixture Rasch model through simulations. The simulation study manipulated various class-distinction features (percentages of class-variant items, magnitudes, and patterns of item difficulty differences) and mixing proportions, assuming that a mixture Rasch model with two latent classes was the true model. Unlike previous studies that showed BIC's superiority to other indices, our findings from this study suggested that the four information criteria had differential performance depending on the percentage of class-variant items and the magnitude and pattern of item difficulty differences under a two-class structure. Furthermore, the present study revealed that AICC and SABIC generally performed as good as or better than their counterparts, AIC and BIC, respectively, for the class-class structure with a sample of 3,000.     

随机需求且库存有限的生产存贮模型

在实际的生产销售中,由于存在很多不确定因素,需求也是不确定的.在生产率确定且仓库容量有限条件下,建立了随机需求的存贮模型,并求出最优生产量,最优生产时间.最后用算例说明此模型的合理性.