Q矩陣在認(rèn)知診斷評(píng)估中至關(guān)重要,Q矩陣可以由相關(guān)領(lǐng)域的專家界定,也可以根據(jù)學(xué)生的作答數(shù)據(jù)進(jìn)行估計(jì)。在已有Q矩陣修正方法的基礎(chǔ)上,研究提出了基于項(xiàng)目擬合統(tǒng)計(jì)量RMSEA的Q矩陣估計(jì)方法,通過(guò)模擬和實(shí)證研究驗(yàn)證了該方法的可行性、有效性及效率。結(jié)果表明:（1）基于RMSEA的CSE算法可以有效地估計(jì)新題的屬性向量,且耗時(shí)較少;（2）對(duì)Q矩陣估計(jì)的成功率受屬性數(shù)目和基礎(chǔ)題個(gè)數(shù)影響甚大,尤其是當(dāng)屬性數(shù)目較多時(shí),要求有較多的基礎(chǔ)題個(gè)數(shù);（3）該統(tǒng)計(jì)量對(duì)被試數(shù)量要求不高,即使被試人數(shù)為400人,只要基礎(chǔ)題個(gè)數(shù)足夠多,估計(jì)效果依然較好;（4）該方法應(yīng)用于實(shí)證數(shù)據(jù)的分析,可以一定程度地優(yōu)化已有的分析結(jié)果,提高模型-數(shù)據(jù)的擬合性。 

【文章來(lái)源】：心理技術(shù)與應(yīng)用. 2020,8(01)

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

模擬的Q矩陣真值

從表1中的平均估計(jì)成功率，結(jié)合圖2、圖3、圖4縱坐標(biāo)的截距點(diǎn)和變化趨勢(shì)明顯地看出，相對(duì)于樣本容量，CSE算法成功率受屬性數(shù)目和基礎(chǔ)題個(gè)數(shù)影響顯著。從3個(gè)圖中可以看出，各樣本容量的變化趨勢(shì)線挨得很近，表明成功率受樣本容量影響甚微。然而，各圖中縱坐標(biāo)的起點(diǎn)和終點(diǎn)差異很大，表明成功率受屬性數(shù)目和基礎(chǔ)題個(gè)數(shù)影響明顯。具體而言:當(dāng)基礎(chǔ)題個(gè)數(shù)從8個(gè)增加到12個(gè)時(shí)，成功率的變化為:Q1時(shí)，成功率從98%增加到100%;Q2時(shí)，成功率從70.5%增加逐步遞增到98.5%，起點(diǎn)較Q1時(shí)低，但變化幅度較Q1時(shí)大，增加了28個(gè)百分點(diǎn);Q3時(shí)，起點(diǎn)再次降低，幅度再次提升，從30.5%增加到86.5%，上升了56個(gè)百分點(diǎn)。進(jìn)一步對(duì)Q1、Q2、Q3不同基礎(chǔ)題個(gè)數(shù)的估計(jì)成功次數(shù)進(jìn)行KurskalWallis H檢驗(yàn)，結(jié)果顯示不同個(gè)數(shù)的基礎(chǔ)題估計(jì)成功率有顯著差異，分別為χ22=14.85,df=4,p<0.01;χ22=16.72,df=4,p<0.01;χ22=17.91,df=4,p<0.001。由此，可以得出:CSE算法估計(jì)成功率隨著屬性數(shù)目的增加而減低，隨著基礎(chǔ)題個(gè)數(shù)的增加而升高，但受樣本容量影響相對(duì)較小。在Q矩陣估計(jì)中，基礎(chǔ)題個(gè)數(shù)非常重要，當(dāng)屬性數(shù)目沒(méi)辦法改變時(shí)，提高成功率的重要途徑則是增加基礎(chǔ)題個(gè)數(shù)。圖3 算法對(duì)Q2成功次數(shù)變化曲線

算法對(duì)Q2成功次數(shù)變化曲線

【參考文獻(xiàn)】：
期刊論文
[1]一種非參數(shù)化的Q矩陣估計(jì)方法:ICC-IR方法開(kāi)發(fā)[J]. 汪大勛,高旭亮,蔡艷,涂冬波.  心理科學(xué). 2018(02)
[2]一種簡(jiǎn)單有效的Q矩陣估計(jì)方法開(kāi)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(xué). 2018(01)
[3]使用似然比D2統(tǒng)計(jì)量的題目屬性定義方法[J]. 喻曉鋒,羅照盛,高椿雷,李喻駿,王睿,王鈺彤.  心理學(xué)報(bào). 2015(03)
[4]基于DINA模型的Q矩陣修正方法[J]. 涂冬波,蔡艷,戴海琦.  心理學(xué)報(bào). 2012(04)



本文編號(hào)：3136048