隨著國內(nèi)外教育考試改革的發(fā)展,教育考試的診斷功能被日益重視。在此背景下,評估學生認知結構的認知診斷被不斷提及,相關研究日益凸顯,“Q矩陣界定”是其中重要的分支研究。目前,多級評分情境下的Q矩陣界定研究較少,且目前存在的多級評分Q矩陣修正方法均屬于參數(shù)方法。參數(shù)方法要求樣本量大且運行時間長,無法吻合日常教學中樣本量小、時間有限這一現(xiàn)狀,而非參數(shù)方法能滿足以上現(xiàn)實需求。因此,本研究擬開發(fā)屬性計分曼哈頓距離法（SA-MD）和屬性計分項目一致性指標法（SA-PICC）用于多級評分情境下Q矩陣修正中。本文分為三個研究:研究一,分析存在Q矩陣誤設時,多級評分情境下的被試得分的變化,以此構建SA-MD和SA-PICC兩種Q矩陣修正方法;研究二,通過模擬研究,探討兩種方法在多種因素下的修正效果,考慮的因素有:被試知識狀態(tài)分布、樣本量、測驗屬性數(shù)、Q矩陣誤設率、項目平均屬性數(shù);研究三,采用實證數(shù)據(jù),進一步驗證兩種方法在實證中的有效性。本研究的主要結論如下:（1）可合理構建PICC指標,從理論上MD和PICC用于多級評分Q矩陣修正中是可行的。（2）在多種條件中,SA-MD均有較優(yōu)的修正效果;在項目平均屬性... 

【文章頁數(shù)】：97 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
引言
1 文獻綜述
    1.1 認知診斷基本概念
        1.1.1 認知診斷評估
        1.1.2 認知屬性
        1.1.3 屬性層級關系
        1.1.4 Q矩陣理論
    1.2 Q矩陣修正和估計方法
        1.2.1 Q矩陣修正
        1.2.2 Q矩陣估計
        1.2.3 評述Q矩陣修正和估計方法
    1.3 曼哈頓距離
    1.4 混合評分的層級一致性指標
2 問題提出和研究設計
    2.1 問題提出
        2.1.1 現(xiàn)有的非參數(shù)方法只適用于0-1評分,較難吻合測評實踐
        2.1.2 參數(shù)方法較難在實踐中推廣
        2.1.3 Q矩陣估計的結果缺少合理性解釋
    2.2 問題分析
    2.3 影響因素選擇
    2.4 研究設計
    2.5 研究意義
        2.5.1 理論意義
        2.5.2 實踐意義
3 研究一:MD與 PICC用于Q矩陣修正的思路及合理性
    3.1 研究問題
    3.2 研究目的
    3.3 研究思路圖
    3.4 Q矩陣誤設,被試得分變化情況
    3.5 MD用于Q矩陣修正思路
    3.6 PICC指標構建和應用
        3.6.1 構建PICC指標
        3.6.2 PICC特性
        3.6.3 PICC計算示例
        3.6.4 PICC用于Q矩陣修正思路
4 研究二:SA-MD與 SA-PICC用于Q矩陣修正的模擬研究
    4.1 子研究一:SA-MD和 SA-PICC在各條件下的Q矩陣修正效果..
        4.1.1 研究問題
        4.1.2 研究假設
        4.1.3 研究目的
        4.1.4 研究方法
        4.1.5 研究結果
        4.1.6 結論和討論
    4.2 子研究二:SA-MD和 SA-PICC在不同項目屬性數(shù)的Q矩陣修正效果
        4.2.1 研究問題
        4.2.2 研究假設
        4.2.3 研究目的
        4.2.4 研究方法
        4.2.5 研究結果
        4.2.6 結論和討論
5 研究三:SA-MD與 SA-PICC用于Q矩陣修正效果的實證研究
    5.1 研究問題
    5.2 研究假設
    5.3 研究目的
    5.4 研究方法
        5.4.1 實驗設計
        5.4.2 實證數(shù)據(jù)
        5.4.3 評價指標
        5.4.4 研究過程
    5.5 研究結果
    5.6 結論和討論
6 綜合討論
    6.1 SA-MD和 SA-PICC具有良好的修正效果
    6.2 項目平均屬性數(shù)對修正效果和被試分類準確性的影響較大
    6.3 在實踐中,SA-MD和 SA-PICC的選擇
    6.4 未來研究方向
7 綜合結論
參考文獻
攻讀學位期間取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于類別水平的多級計分認知診斷Q矩陣修正：相對擬合統(tǒng)計量視角[J]. 汪大勛,高旭亮,蔡艷,涂冬波.  心理學報. 2020(01)
[2]一種廣義的認知診斷Q矩陣修正新方法[J]. 汪大勛,高旭亮,蔡艷,涂冬波.  心理科學. 2019(04)
[3]認知診斷中的Q矩陣及其作用[J]. 王曉慶,丁樹良,羅芬.  心理科學. 2019(03)
[4]一種混合計分的非參數(shù)認知診斷方法:曼哈頓距離判別法[J]. 康春花,楊亞坤,曾平飛.  心理科學. 2019(02)
[5]4種多級計分非參數(shù)認知診斷方法的比較[J]. 康春花,李元白,曾平飛,焦麗亞.  中國考試. 2018(06)
[6]一種非參數(shù)化的Q矩陣估計方法:ICC-IR方法開發(fā)[J]. 汪大勛,高旭亮,蔡艷,涂冬波.  心理科學. 2018(02)
[7]一種簡單有效的Q矩陣估計方法開發(fā):基于非參數(shù)化方法視角[J]. 汪大勛,高旭亮,韓雨婷,涂冬波.  心理科學. 2018(01)
[8]層級一致性指標的多級評分拓展[J]. 康春花,吳會云,孫小堅,曾平飛.  心理科學. 2018(01)
[9]基于作答數(shù)據(jù)和估計參數(shù)的Q矩陣估計[J]. 仇多利,張良.  統(tǒng)計與決策. 2016(17)
[10]多級評分聚類診斷法的影響因素[J]. 康春花,任平,曾平飛.  心理學報. 2016(07)

博士論文
[1]DINA改進模型（R-DINA）的提出及三個診斷模型自動選擇機制研究[D]. 宋麗紅.江西師范大學 2012

碩士論文
[1]非參數(shù)認知診斷方法信效度的影響因素：方法比較視角[D]. 趙云川.浙江師范大學 2019
[2]認知診斷Q矩陣估計方法開發(fā)[D]. 汪大勛.江西師范大學 2017



本文編號：3723970