多級計(jì)分認(rèn)知診斷模型的開發(fā)對認(rèn)知診斷的發(fā)展具有重要作用,但對于多級計(jì)分模型下的Q矩陣修正還有待研究。本研究嘗試對多級計(jì)分認(rèn)知診斷Q矩陣修正進(jìn)行研究,并聚焦更具診斷價(jià)值的基于項(xiàng)目類別水平的Q矩陣修正。將相對擬合統(tǒng)計(jì)量應(yīng)用于多級計(jì)分認(rèn)知診斷Q矩陣修正,并與已有方法 Stepwise方法（Ma&de la Torre,2019）進(jìn)行比較。研究表明:BIC方法對多級計(jì)分認(rèn)知診斷模型的Q矩陣修正具有較高的模式判準(zhǔn)率和屬性判準(zhǔn)率,其對Q矩陣的恢復(fù)率也高于Stepwise方法, BIC方法修正后的Q矩陣與數(shù)據(jù)更加擬合;在復(fù)雜模型中,相對擬合指標(biāo)BIC比AIC和-2LL表現(xiàn)更好,在實(shí)踐中,使用者可以選擇BIC法進(jìn)行測驗(yàn)Q矩陣修正; Q矩陣修正效果受到被試人數(shù)的影響,增加被試人數(shù)可以提高Q矩陣修正的正確率�？傊�,本研究為多級計(jì)分認(rèn)知診斷Q矩陣修正提供了重要的方法支持。 

【文章來源】：心理學(xué)報(bào). 2020,52(01)北大核心CSSCICSCD

【文章頁數(shù)】：14 頁

【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]一種簡單有效的Q矩陣估計(jì)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(xué). 2018(01)
[3]“互聯(lián)網(wǎng)+”測評:自適應(yīng)學(xué)習(xí)之路[J]. 張華華,汪文義.  江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[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)
[5]一種多級評分的認(rèn)知診斷模型:P-DINA模型的開發(fā)[J]. 涂冬波,蔡艷,戴海琦,丁樹良.  心理學(xué)報(bào). 2010(10)



本文編號(hào)：3623123