基于屬性界定的認(rèn)知診斷Q矩陣估計(jì)方法研究.pdf

1、認(rèn)知診斷以微觀認(rèn)知視角對(duì)學(xué)生的學(xué)習(xí)過(guò)程做出科學(xué)的準(zhǔn)確評(píng)估，已經(jīng)在心理學(xué)和教育數(shù)據(jù)挖掘領(lǐng)域中發(fā)揮了巨大潛力。然而目前應(yīng)用認(rèn)知診斷理論編制的測(cè)驗(yàn)有限，其主要困難是反映項(xiàng)目和屬性間關(guān)系的Q矩陣無(wú)法合理界定。構(gòu)建正確的Q矩陣是認(rèn)知診斷實(shí)踐中的關(guān)鍵環(huán)節(jié)，是認(rèn)知診斷測(cè)驗(yàn)理論不同于傳統(tǒng)測(cè)量理論的本質(zhì)所在。Q矩陣的界定一般是由領(lǐng)域?qū)＜液托睦頊y(cè)量學(xué)家基于診斷目的，通過(guò)討論共同完成。但是這種方式存在著界定成本高、主觀性較強(qiáng)以及專家意見不一致等問(wèn)題。因此，認(rèn)

2、知診斷亟需研究更加客觀地估計(jì)Q矩陣的方法，近年來(lái)這方面成為國(guó)內(nèi)外學(xué)者關(guān)注的焦點(diǎn)，相繼研究出一系列的估計(jì)方法。
　　本論文在研究了一些經(jīng)典Q矩陣估計(jì)方法的基礎(chǔ)上，主要針對(duì)經(jīng)典Barnes爬山法搜索能力差和易陷入局部極值的缺陷，提出利用全局優(yōu)化搜索的遺傳算法改進(jìn)經(jīng)典爬山法，實(shí)現(xiàn)Q矩陣的估計(jì)，并提出借助DeCarlo貝葉斯法估計(jì)精度較高的優(yōu)勢(shì)對(duì)估計(jì)結(jié)果進(jìn)一步優(yōu)化。論文在模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)集合上分別進(jìn)行了實(shí)驗(yàn)驗(yàn)證，通過(guò)分析Q矩陣邊際判準(zhǔn)率

3、MMR、差異距離DD和模型擬合指數(shù)等評(píng)價(jià)指標(biāo)來(lái)研究新方法與其他方法估計(jì)性能的差異。模擬數(shù)據(jù)采用Xiang(2013)的方法生成，使用Monte Carlo模擬系統(tǒng)研究了測(cè)驗(yàn)學(xué)生人數(shù)、屬性數(shù)目和項(xiàng)目總數(shù)等因素對(duì)各方法估計(jì)性能的影響。真實(shí)數(shù)據(jù)來(lái)源于經(jīng)典的Tatsuoka分?jǐn)?shù)減法和SAT測(cè)驗(yàn)，經(jīng)過(guò)實(shí)驗(yàn)對(duì)比驗(yàn)證了算法的實(shí)用性。
　　大量實(shí)驗(yàn)研究表明:在同等條件下，本文遺傳算法的估計(jì)性能優(yōu)于Barnes爬山法和非線性懲罰估計(jì)法，而貝葉斯法進(jìn)