發(fā)布時(shí)間：2017-09-24 06:17

  本文關(guān)鍵詞：多級(jí)聚類診斷法的開發(fā)及其在認(rèn)知診斷評(píng)估中的應(yīng)用

  更多相關(guān)文章： 認(rèn)知診斷評(píng)估 非參數(shù)認(rèn)知診斷 多級(jí)聚類診斷法 K-means算法

【摘要】：認(rèn)知診斷評(píng)估(Cognitively Diagnostic Assessment, CDA)是在‘'No Child Left Behind"的教育改革推動(dòng)下興起的,它能在微觀層面上深入探測(cè)學(xué)生認(rèn)知結(jié)構(gòu)或知識(shí)技能的優(yōu)勢(shì)與不足,給老師教學(xué)提供具有補(bǔ)救性的反饋信息。CDA能否實(shí)現(xiàn)對(duì)學(xué)生認(rèn)知結(jié)構(gòu)的精確診斷主要依賴于兩點(diǎn),一是具備一個(gè)好的診斷測(cè)驗(yàn),二是選用一個(gè)適宜的診斷模型。目前常用的認(rèn)知診斷模型多為參數(shù)模型,參數(shù)模型發(fā)展時(shí)間較長(zhǎng),研究較為活躍,但其參數(shù)估計(jì)過(guò)程復(fù)雜,耗時(shí)大,需要研究者具備大量的統(tǒng)計(jì)和計(jì)算機(jī)知識(shí),因此限制了CDA的廣泛應(yīng)用。近幾年來(lái),研究者開始關(guān)注非參數(shù)方法在認(rèn)知診斷分類中的應(yīng)用。相對(duì)而言,非參數(shù)方法易于理解,診斷分類耗時(shí)小,不依賴樣本容量等特點(diǎn)使其較適用于課堂測(cè)驗(yàn)等小型評(píng)估情境,因此能推動(dòng)CDA運(yùn)用到教育領(lǐng)域。聚類分析診斷法作為一種非參數(shù)的認(rèn)知診斷方法,只需測(cè)驗(yàn)Q陣就能實(shí)現(xiàn)對(duì)學(xué)生知識(shí)狀態(tài)的診斷。然而,現(xiàn)有關(guān)于聚類分析診斷法的研究均是適用于0-1計(jì)分情境的,隨著教育考試改革的推進(jìn),許多大型的考試和測(cè)評(píng)越發(fā)強(qiáng)調(diào)考察分析題、問(wèn)答題、論述題一類的主觀題。該類題目的計(jì)分方法不再是0-1計(jì)分,采用0-1計(jì)分模式的認(rèn)知診斷方法對(duì)其進(jìn)行分析,勢(shì)必會(huì)減少題目作答中的信息提取,從而影響診斷和分類的效果。此外,現(xiàn)有研究并沒(méi)有關(guān)注聚類分析診斷法分類準(zhǔn)確率的影響因素。由此,本文在前人研究的基礎(chǔ)上,結(jié)合考試改革實(shí)踐的需求,開發(fā)出適合于多級(jí)計(jì)分情境的聚類分析診斷法,探討了多種因素對(duì)該方法分類準(zhǔn)確率和穩(wěn)定性的影響,并同時(shí)考察了其在實(shí)證應(yīng)用中的效用。本論文包括5個(gè)研究,研究1基于屬性總分的思想提出了多級(jí)計(jì)分聚類診斷法(Grade Response Cluster Diagnosis Method, GRCDM)。研究2通過(guò)模擬研究去驗(yàn)證GRCDM的分類準(zhǔn)確率和各種因素如何影響對(duì)該方法分類準(zhǔn)確率,包括四個(gè)因素：屬性個(gè)數(shù)(4個(gè)、7個(gè)、9個(gè))、被試人數(shù)(100人、500人、2000人)、被試分布(均勻分布、正態(tài)分布)、屬性層次結(jié)構(gòu)(線型、收斂型、發(fā)散型、無(wú)結(jié)構(gòu)型)；研究3基于不同屬性層次結(jié)構(gòu)探討了不同Q矩陣誤設(shè)(屬性缺失、屬性多余、屬性缺失多余)對(duì)該方法分類準(zhǔn)確率的影響：研究4探討了不同屬性層次關(guān)系錯(cuò)誤(層次關(guān)系顛倒、有層次變無(wú)層次、無(wú)層次變有層次、層次關(guān)系錯(cuò)亂)對(duì)該方法分類準(zhǔn)確率的影響：研究5使用該方法分析了1240名小學(xué)五年級(jí)學(xué)生的數(shù)學(xué)應(yīng)用題CDA測(cè)驗(yàn)結(jié)果,并與規(guī)則空間模型所得結(jié)果進(jìn)行對(duì)比。得到以下結(jié)果：(1) GRCDM具有很高的判準(zhǔn)率,且不受限于屬性個(gè)數(shù)。在70種實(shí)驗(yàn)條件下均具有較高的模式匹配率和邊緣匹配率(PMR:96.08%; MMR:99.04%),且隨著屬性個(gè)數(shù)的增加,分類準(zhǔn)確率呈升高趨勢(shì)。說(shuō)明該方法具有較強(qiáng)的適用性,不受限于屬性個(gè)數(shù),彌補(bǔ)了參數(shù)診斷模型限定的CDA測(cè)驗(yàn)中屬性個(gè)數(shù)不易過(guò)多的現(xiàn)狀,更能吻合實(shí)踐教學(xué)中屬性個(gè)數(shù)較多的需求,以及能夠滿足當(dāng)前測(cè)驗(yàn)改革的實(shí)踐情境,實(shí)現(xiàn)對(duì)學(xué)生知識(shí)狀態(tài)的準(zhǔn)確分類與診斷。(2)總體而言,GRCDM更適合松散型的層次結(jié)構(gòu)。在多數(shù)實(shí)驗(yàn)條件下,發(fā)散型和無(wú)結(jié)構(gòu)型的PMR和MMR均顯著高于緊密型層次結(jié)構(gòu),且不易受到被試人數(shù)以及被試分布的影響,因此該方法不但有較好的穩(wěn)健性,而且為松散型屬性層次關(guān)系下的數(shù)據(jù)找到了既適用又簡(jiǎn)便的分類方法。(3)該方法對(duì)被試人數(shù)的依賴小,即使在100人和500人的小樣本中,也表現(xiàn)出較好的穩(wěn)健性,可適用于小型測(cè)評(píng)和課堂評(píng)估,為日常教學(xué)中的CDA提供了實(shí)用的方法。(4)在Q矩陣誤設(shè)時(shí),除了線型條件且Q矩陣產(chǎn)生較大錯(cuò)誤(屬性缺失多余)外,其他條件下的PMR降幅均低于5%,在可接受的范圍,說(shuō)明GRCDM對(duì)線型結(jié)構(gòu)時(shí)的Q矩陣誤設(shè)的反應(yīng)較靈敏,而對(duì)于其它結(jié)構(gòu)則具有較好的穩(wěn)健性。(5)屬性層次關(guān)系顛倒和錯(cuò)亂對(duì)該方法的分類準(zhǔn)確率影響較大。除了“有層次關(guān)系的變?yōu)闊o(wú)層次關(guān)系”的MMR均值的平均降幅為.006,其它條件下降幅均較大。說(shuō)明GRCDM對(duì)層次關(guān)系錯(cuò)亂比較敏感。無(wú)結(jié)構(gòu)型時(shí)的基礎(chǔ)屬性一定不能錯(cuò)誤界定,緊密型的屬性邏輯關(guān)系的確定也需謹(jǐn)慎,在不能保證兩屬性間存在先決關(guān)系的前提下,盡量視其關(guān)系為獨(dú)立。(6)該方法在對(duì)數(shù)學(xué)應(yīng)用題CDA測(cè)驗(yàn)結(jié)果進(jìn)行分析時(shí)得到的屬性難度與屬性性質(zhì)相符,同時(shí)不同類型的學(xué)校(好、中、差)在各屬性上的掌握百分比也有顯著差異,好學(xué)校更大比例的學(xué)生掌握屬性。因此該方法在實(shí)踐情境中表現(xiàn)出較好的內(nèi)外部效度。
【關(guān)鍵詞】：認(rèn)知診斷評(píng)估 非參數(shù)認(rèn)知診斷 多級(jí)聚類診斷法 K-means算法
【學(xué)位授予單位】：浙江師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：B842.1
【目錄】：

• 摘要3-5
• ABSTRACT5-11
• 1 文獻(xiàn)綜述11-30
• 1.1 認(rèn)知診斷評(píng)估的核心概念11-15
• 1.1.1 認(rèn)知診斷評(píng)估11-12
• 1.1.2 認(rèn)知診斷評(píng)估的理論基礎(chǔ)12
• 1.1.3 知識(shí)狀態(tài)的定義12-13
• 1.1.4 Q矩陣的定義及其在認(rèn)知診斷評(píng)估中的重要性13-14
• 1.1.5 R矩陣的定義及其在CDA測(cè)驗(yàn)編制中的重要性14-15
• 1.2 認(rèn)知診斷分類方法研究綜述15-25
• 1.2.1 常用認(rèn)知診斷模型介紹15-21
• 1.2.2 非參數(shù)認(rèn)知診斷方法介紹21-24
• 1.2.3 認(rèn)知診斷分類正確性的影響因素24-25
• 1.3 聚類分析方法在認(rèn)知診斷中的應(yīng)用25-28
• 1.3.1 聚類分析的定義及方法介紹25-26
• 1.3.2 距離測(cè)量方法介紹26-27
• 1.3.3 K-means法簡(jiǎn)介27-28
• 1.3.4 K-means法在認(rèn)知診斷評(píng)估中的應(yīng)用28
• 1.4 考試改革的實(shí)踐需求與多級(jí)計(jì)分診斷模型28-30
• 2 問(wèn)題提出與研究設(shè)計(jì)30-34
• 2.1 問(wèn)題提出30-31
• 2.1.1 應(yīng)充分發(fā)揮非參數(shù)方法的優(yōu)勢(shì),擴(kuò)展認(rèn)知診斷評(píng)估的實(shí)踐應(yīng)用30
• 2.1.2 非參數(shù)診斷法僅涉及0-1計(jì)分,需拓展至多級(jí)計(jì)分情境30-31
• 2.1.3 聚類分析診斷法的影響因素及穩(wěn)定性有待考證31
• 2.2 研究意義31-32
• 2.2.1 理論意義31
• 2.2.2 實(shí)踐意義31-32
• 2.3 研究設(shè)計(jì)32-34
• 3 研究一：多級(jí)計(jì)分的聚類診斷方法34-40
• 3.1 0-1計(jì)分聚類診斷法介紹34-35
• 3.1.1 屬性總分和能力向量的計(jì)算34-35
• 3.1.2 K-means中心初始值的選取35
• 3.1.3 0-1計(jì)分聚類診斷法的步驟35
• 3.2 0-1計(jì)分聚類診斷法的拓展：多級(jí)聚類診斷法(GRCDM)35-40
• 3.2.1 理想反映模式的計(jì)算36-37
• 3.2.2 屬性總分和能力向量的計(jì)算方法37-40
• 4 研究二：不同因素對(duì)GRCDM分類準(zhǔn)確率的影響40-55
• 4.1 研究目的40
• 4.2 研究方法40-46
• 4.2.1 研究設(shè)計(jì)40-45
• 4.2.2 模擬觀察反應(yīng)模式45-46
• 4.2.3 被試分類與診斷46
• 4.2.4 評(píng)價(jià)指標(biāo)46
• 4.3 研究結(jié)果46-52
• 4.3.1 GRCDM在各實(shí)驗(yàn)條件下的PMR和MMR均值46-47
• 4.3.2 各因素主效應(yīng)及其交互效應(yīng)47-52
• 4.4 討論52-55
• 4.4.1 GRCDM具有很高的分類準(zhǔn)確率52-53
• 4.4.2 隨屬性個(gè)數(shù)的增加GRCDM分類準(zhǔn)確率升高53
• 4.4.3 GRCDM較適用于松散型的屬性層次結(jié)構(gòu)53
• 4.4.4 GRCDM對(duì)被試人數(shù)和被試分布依賴性較小53-55
• 5 研究三：Q矩陣誤設(shè)對(duì)GRCDM分類準(zhǔn)確率的影響55-59
• 5.1 研究目的55
• 5.2 研究方法55-56
• 5.3 研究結(jié)果56-58
• 5.3.1 Q矩陣誤設(shè)對(duì)PMR的整體影響56-57
• 5.3.2 屬性層次結(jié)構(gòu)和誤設(shè)類型對(duì)GRCDM判準(zhǔn)率的影響57-58
• 5.4 討論58-59
• 5.4.1 GRCDM具有較好的穩(wěn)健性58
• 5.4.2 Q矩陣誤設(shè)對(duì)GRCDM分類準(zhǔn)確率的影響受層次結(jié)構(gòu)影響58-59
• 6 研究四：屬性層次關(guān)系錯(cuò)誤對(duì)GRCDM分類準(zhǔn)確率的影響59-63
• 6.1 研究目的59
• 6.2 研究方法59-60
• 6.3 研究結(jié)果60-62
• 6.3.1 層次關(guān)系錯(cuò)誤導(dǎo)致的MMR均值降幅60-61
• 6.3.2 單因素方差分析結(jié)果61-62
• 6.4 討論62-63
• 6.4.1 GRCDM對(duì)屬性層次關(guān)系錯(cuò)亂具有一定的敏感性62
• 6.4.2 GRCDM對(duì)各層次結(jié)構(gòu)下的層次關(guān)系錯(cuò)亂敏感度不一62-63
• 7 研究五：實(shí)證研究63-69
• 7.1 研究目的63
• 7.2 數(shù)據(jù)來(lái)源63-64
• 7.3 過(guò)程和方法64-65
• 7.4 研究結(jié)果65-67
• 7.4.1 GRCDM的分類結(jié)果65
• 7.4.2 屬性通過(guò)率與屬性性質(zhì)相匹配65-66
• 7.4.3 屬性通過(guò)率的學(xué)習(xí)類型差異66-67
• 7.5 討論67-69
• 7.5.1 GRCDM在實(shí)證研究中具有較高的內(nèi)部效度67-68
• 7.5.2 GRCDM在實(shí)證研究中具有較高的外部效度68-69
• 8 研究結(jié)論與展望69-71
• 8.1 研究結(jié)論69-70
• 8.2 研究展望70-71
• 參考文獻(xiàn)71-76
• 附錄76-80
• 致謝80-81
• 攻讀學(xué)位期間取得的研究成果81-82

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 康春花;采用MLTM作測(cè)量與認(rèn)知結(jié)合研究的進(jìn)一步探討[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年02期

2 楊淑群;蔡聲鎮(zhèn);丁樹良;林海菁;丁秋林;;求解簡(jiǎn)化Q矩陣的擴(kuò)張算法[J];蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

3 祝玉芳;丁樹良;;基于等級(jí)反應(yīng)模型的屬性層級(jí)方法[J];心理學(xué)報(bào);2009年03期

4 劉聲濤;戴海崎;周駿;;新一代測(cè)驗(yàn)理論—認(rèn)知診斷理論的源起與特征[J];心理學(xué)探新;2006年04期

5 涂冬波;蔡艷;戴海崎;漆書青;;現(xiàn)代測(cè)量理論下四大認(rèn)知診斷模型述評(píng)[J];心理學(xué)探新;2008年02期

6 何學(xué)文,趙海鳴;支持向量機(jī)及其在機(jī)械故障診斷中的應(yīng)用[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

7 王家祺;劉紅云;;融合模型在小學(xué)數(shù)學(xué)認(rèn)知診斷評(píng)價(jià)中的應(yīng)用[J];心理學(xué)探新;2012年05期

8 張淑梅;包鈺;郭文海;;一種多級(jí)評(píng)分的廣義認(rèn)知診斷模型[J];心理學(xué)探新;2013年05期

，

本文編號(hào)：909827