提出兩種認知診斷計算機自適應測驗下平衡屬性收斂的新方法（MABI、RTA）,模擬研究系統(tǒng)探討和比較了此二者與已有方法（ABI、IABI和RABI）的表現(xiàn)。結(jié)果發(fā)現(xiàn):（1）新方法較不考慮屬性收斂的方法有更高的準確率以及更均衡的題目使用率;（2）新方法較ABI和RABI有稍低的準確性,但有更平衡的題目使用率;（3）新方法與IABI的準確性和題目使用率在不同選題策略下各有優(yōu)勢�？傊�,兩種新方法較好地兼顧測量準確性、題目使用率以及題庫曝光情況。 

【文章來源】：心理科學. 2019,42(05)北大核心CSSCICSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 認知診斷模型簡介
    2.1 DINA模型
    2.2 RRUM
3 CD-CAT選題策略
4 屬性收斂指標
    4.1 改進的ABI(improved ABI,IABI)
    4.2 修正的ABI(revised ABI,RABI)
    4.3 修改的ABI(modified ABI,MABI)
    4.4 長度和屬性個數(shù)比（ratio of test length to the number of attributes,RTA)
5 模擬研究
    5.1 研究目的
    5.2 研究設計
        5.2.1 自變量
        5.2.2 控制變量
        5.2.3 因變量
    5.3 研究結(jié)果
        5.3.1 分類準確性
        5.3.2 題目使用情況
        5.3.3 題庫曝光情況
6 討論與結(jié)論
    6.1 研究討論
    6.2 研究結(jié)論


【參考文獻】：
期刊論文
[1]四種新的基于屬性平衡的CD-CAT選題策略開發(fā)研究[J]. 劉舒暢,涂冬波,蔡艷,趙洋.  心理科學. 2018(04)
[2]可修改答案的認知診斷計算機化自適應測驗研究[J]. 高旭亮,汪大勛,韓雨婷,蔡艷,涂冬波.  心理科學. 2017(03)
[3]認知診斷評價中測驗結(jié)構的優(yōu)化設計[J]. 彭亞風,羅照盛,喻曉鋒,高椿雷,李喻駿.  心理學報. 2016(12)
[4]認知診斷計算機化自適應測驗中新的選題策略:結(jié)合項目區(qū)分度指標[J]. 郭磊,鄭蟬金,邊玉芳,宋乃慶,夏凌翔.  心理學報. 2016(07)
[5]基于CD-CAT的多策略RRUM模型及其選題方法開發(fā)[J]. 戴步云,張敏強,焦璨,黎光明,朱華偉,張文怡.  心理學報. 2015(12)
[6]多維計算機化自適應測驗:模型、技術和方法[J]. 毛秀珍,辛濤.  心理科學進展. 2015(05)
[7]基于BP神經(jīng)網(wǎng)絡的認知診斷計算機化自適應測驗實現(xiàn)[J]. 汪玲玲,陳平,辛濤,衷克定.  北京師范大學學報(自然科學版). 2015(02)
[8]認知診斷計算機自適應測驗中選題策略的新進展[J]. 辛濤,劉拓.  南京師大學報(社會科學版). 2013(06)
[9]認知診斷CAT選題策略及初始題選取方法[J]. 涂冬波,蔡艷,戴海琦.  心理科學. 2013(02)
[10]計算機化自適應診斷測驗新的選題策略[J]. 余丹,潘奕嬈,丁樹良,楊慶紅.  江西師范大學學報(自然科學版). 2011(05)



本文編號：3559686