基于多策略認(rèn)知診斷DINA模型的參數(shù)估計(jì)問(wèn)題
發(fā)布時(shí)間:2020-10-28 00:48
心理和教育評(píng)估領(lǐng)域的認(rèn)知診斷評(píng)估是當(dāng)代測(cè)量理論快速發(fā)展的重要領(lǐng)域。認(rèn)知診斷評(píng)估的主要目的是測(cè)量被試者具體的知識(shí)狀態(tài)和加工技能,便于提供被試者的認(rèn)知強(qiáng)項(xiàng)與弱項(xiàng)的相關(guān)信息。認(rèn)知診斷模型(CDMS),以一維項(xiàng)目反應(yīng)模型的替代方法,近年來(lái)受到越來(lái)越多的關(guān)注。CDMS被用于識(shí)別掌握或多個(gè)屬性或技能解決問(wèn)題所需的領(lǐng)域。CDMS得到更廣泛的使用,研究人員和從業(yè)者需要了解這些模型的基本性質(zhì)。在目前已有文獻(xiàn)中,目前常用的模型一般涉及失誤參數(shù)s_j、猜測(cè)參數(shù)g_j和能力參數(shù)λ_(0k)、λ_(1k),但是一般直接給定能力參數(shù),只估計(jì)失誤參數(shù)和猜測(cè)參數(shù),并沒(méi)有同時(shí)估計(jì)λ_(0k)、λ_(1k)。但我們知道實(shí)際當(dāng)中λ_(0k),λ_(1k)參數(shù)往往是未知的,為解決這個(gè)問(wèn)題,本文就此建立了一個(gè)能夠同時(shí)估計(jì)s_j,g_j,λ_(0k),λ_(1k)參數(shù)的易于處理和解釋的認(rèn)知診斷模型,多策略DINA(MS-DINA)模型,使用MS-DINA模型來(lái)對(duì)被試者的項(xiàng)目認(rèn)知屬性模式進(jìn)行了透徹地分析。屬性聯(lián)合分布是一般性的可以用來(lái)模擬MS-DINA模型,本文重點(diǎn)討論MS-DINA模型及其參數(shù)的估計(jì)。采用有效的EM估計(jì)算法,來(lái)仿真樣本大小和測(cè)試長(zhǎng)度對(duì)MS-DINA模型擬合的影響,估計(jì)出MS-DINA模型的參數(shù),我們給出了算法估計(jì)過(guò)程,并且給出了相應(yīng)的模擬,模擬顯示我們的估計(jì)具有良好的統(tǒng)計(jì)性質(zhì)。
【學(xué)位單位】:廣西師范大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2018
【中圖分類】:B842.1
【部分圖文】:
圖 1 多策略屬性和項(xiàng)目的關(guān)聯(lián)矩陣,用來(lái)描述二者之間的聯(lián)系。Q矩項(xiàng)目的屬性。正如大部分的認(rèn)知診斷模型,MS-DINA 模型目所需的屬性,Q矩陣中第 j 行第k 列的元素為jkq ,當(dāng) 目需要第k 個(gè)屬性;當(dāng) 0jkq 時(shí),表示正確回答第 j 個(gè)項(xiàng)目項(xiàng)目 4 個(gè)屬性的Q矩陣可以表示如下: 111110000010010110101000Q
值比較接近真值。在本例中,擁有屬性1,3和4的學(xué)生可以回答項(xiàng)3, 4 -1/7,擁有屬3,4的學(xué)生可以回答第4個(gè)項(xiàng)目,例如,一個(gè)整數(shù),第4項(xiàng), 3 -(21 /5)與原矩陣考慮四個(gè)技能為參與項(xiàng)。然而,有幾種不同的方法來(lái)解決這個(gè)項(xiàng)目。例如,你可以簡(jiǎn)單方面具有共同點(diǎn),然后減去分?jǐn)?shù):1 5 /5 11/5 4/5;蛘呖梢詮牡谝粋(gè)整數(shù)借用,一個(gè)分?jǐn)?shù),然后減去部分: 3 -21/5 25/5 21/5,如此 2 -2 0和 5 /5 1/5 4/5先減去整個(gè)數(shù), 3 -2 1,然后減去剩余部分 1 /5,等等。根據(jù)所選擇的10名學(xué)生,給出10道題目,以及題目的4個(gè)屬性,我們由第三章所用算法可以估計(jì)出參數(shù)的估計(jì)值, s 0.203, g 0.245, -0.90301 , -1.23302 ,-1.324, -1.26704 , 1.17811 , 1.02112 , 1.04213 , 1.02914 。以上得出果跟我們所設(shè)定的真值比較接近,說(shuō)明我們利用的能力參數(shù)未知模型是比較適合的的EM算法也比較合理可行。下面給出的其中 10 個(gè)學(xué)生自身能力值, 0.1101 ,0.230, 0.0003 , 0.2994 , 0.1535 , 0.1096 , 0.0937 , 0.0378 , 0.109 0.161,由以上能力值我們給出一個(gè)直觀的折線圖,如圖 2。
【參考文獻(xiàn)】
本文編號(hào):2859321
【學(xué)位單位】:廣西師范大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2018
【中圖分類】:B842.1
【部分圖文】:
圖 1 多策略屬性和項(xiàng)目的關(guān)聯(lián)矩陣,用來(lái)描述二者之間的聯(lián)系。Q矩項(xiàng)目的屬性。正如大部分的認(rèn)知診斷模型,MS-DINA 模型目所需的屬性,Q矩陣中第 j 行第k 列的元素為jkq ,當(dāng) 目需要第k 個(gè)屬性;當(dāng) 0jkq 時(shí),表示正確回答第 j 個(gè)項(xiàng)目項(xiàng)目 4 個(gè)屬性的Q矩陣可以表示如下: 111110000010010110101000Q
值比較接近真值。在本例中,擁有屬性1,3和4的學(xué)生可以回答項(xiàng)3, 4 -1/7,擁有屬3,4的學(xué)生可以回答第4個(gè)項(xiàng)目,例如,一個(gè)整數(shù),第4項(xiàng), 3 -(21 /5)與原矩陣考慮四個(gè)技能為參與項(xiàng)。然而,有幾種不同的方法來(lái)解決這個(gè)項(xiàng)目。例如,你可以簡(jiǎn)單方面具有共同點(diǎn),然后減去分?jǐn)?shù):1 5 /5 11/5 4/5;蛘呖梢詮牡谝粋(gè)整數(shù)借用,一個(gè)分?jǐn)?shù),然后減去部分: 3 -21/5 25/5 21/5,如此 2 -2 0和 5 /5 1/5 4/5先減去整個(gè)數(shù), 3 -2 1,然后減去剩余部分 1 /5,等等。根據(jù)所選擇的10名學(xué)生,給出10道題目,以及題目的4個(gè)屬性,我們由第三章所用算法可以估計(jì)出參數(shù)的估計(jì)值, s 0.203, g 0.245, -0.90301 , -1.23302 ,-1.324, -1.26704 , 1.17811 , 1.02112 , 1.04213 , 1.02914 。以上得出果跟我們所設(shè)定的真值比較接近,說(shuō)明我們利用的能力參數(shù)未知模型是比較適合的的EM算法也比較合理可行。下面給出的其中 10 個(gè)學(xué)生自身能力值, 0.1101 ,0.230, 0.0003 , 0.2994 , 0.1535 , 0.1096 , 0.0937 , 0.0378 , 0.109 0.161,由以上能力值我們給出一個(gè)直觀的折線圖,如圖 2。
【參考文獻(xiàn)】
相關(guān)期刊論文 前1條
1 丁樹(shù)良;毛萌萌;汪文義;羅芬;;教育認(rèn)知診斷測(cè)驗(yàn)與認(rèn)知模型一致性的評(píng)估[J];心理學(xué)報(bào);2012年11期
相關(guān)碩士學(xué)位論文 前1條
1 那迎春;DINA模型與NIDA模型的選擇及模型參數(shù)估計(jì)問(wèn)題研究[D];東北師范大學(xué);2013年
本文編號(hào):2859321
本文鏈接:http://sikaile.net/shekelunwen/xinlixingwei/2859321.html
最近更新
教材專著