發(fā)布時間：2021-04-13 21:37

　　Q矩陣在認知診斷評估中至關重要,Q矩陣可以由相關領域的專家界定,也可以根據學生的作答數據進行估計。在已有Q矩陣修正方法的基礎上,研究提出了基于項目擬合統(tǒng)計量RMSEA的Q矩陣估計方法,通過模擬和實證研究驗證了該方法的可行性、有效性及效率。結果表明:（1）基于RMSEA的CSE算法可以有效地估計新題的屬性向量,且耗時較少;（2）對Q矩陣估計的成功率受屬性數目和基礎題個數影響甚大,尤其是當屬性數目較多時,要求有較多的基礎題個數;（3）該統(tǒng)計量對被試數量要求不高,即使被試人數為400人,只要基礎題個數足夠多,估計效果依然較好;（4）該方法應用于實證數據的分析,可以一定程度地優(yōu)化已有的分析結果,提高模型-數據的擬合性。 

【文章來源】：心理技術與應用. 2020,8(01)

【文章頁數】：9 頁

【部分圖文】：

模擬的Q矩陣真值

從表1中的平均估計成功率，結合圖2、圖3、圖4縱坐標的截距點和變化趨勢明顯地看出，相對于樣本容量，CSE算法成功率受屬性數目和基礎題個數影響顯著。從3個圖中可以看出，各樣本容量的變化趨勢線挨得很近，表明成功率受樣本容量影響甚微。然而，各圖中縱坐標的起點和終點差異很大，表明成功率受屬性數目和基礎題個數影響明顯。具體而言:當基礎題個數從8個增加到12個時，成功率的變化為:Q1時，成功率從98%增加到100%;Q2時，成功率從70.5%增加逐步遞增到98.5%，起點較Q1時低，但變化幅度較Q1時大，增加了28個百分點;Q3時，起點再次降低，幅度再次提升，從30.5%增加到86.5%，上升了56個百分點。進一步對Q1、Q2、Q3不同基礎題個數的估計成功次數進行KurskalWallis H檢驗，結果顯示不同個數的基礎題估計成功率有顯著差異，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算法估計成功率隨著屬性數目的增加而減低，隨著基礎題個數的增加而升高，但受樣本容量影響相對較小。在Q矩陣估計中，基礎題個數非常重要，當屬性數目沒辦法改變時，提高成功率的重要途徑則是增加基礎題個數。圖3 算法對Q2成功次數變化曲線

算法對Q2成功次數變化曲線

【參考文獻】：
期刊論文
[1]一種非參數化的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)
[2]一種簡單有效的Q矩陣估計方法開發(fā):基于非參數化方法視角[J]. 汪大勛,高旭亮,韓雨婷,涂冬波.  心理科學. 2018(01)
[3]使用似然比D2統(tǒng)計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.  心理學報. 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.  心理學報. 2012(04)



本文編號：3136048