貝葉斯網(wǎng)在認知診斷中的應用.pdf

1、傳統(tǒng)的測驗分數(shù)只是對被試能力一個籠統(tǒng)的大概描述，提供的參考信息十分有限，無法解釋不同知識狀態(tài)或不同認知結(jié)構(gòu)卻有相同分數(shù)或相同能力的現(xiàn)象，也無法區(qū)分相同分數(shù)的個體間差異。認知診斷測驗能對被試在完成測驗項目時的認知過程或心理加工過程進行診斷和評估，因此認知診斷測驗能夠為被試、教師和教育管理部門提供更多和更加具體可參考的信息。認知診斷測驗受到越來越多研究者的重視。從被試的作答中診斷出被試對認知屬性的掌握情況是認知診斷測驗的主要任務，相應地，出

2、現(xiàn)了不同的診斷模型和方法，如Tatsuoka的規(guī)則空間模型RSM、Leighton等人的屬性層次方法AHM、MacReady的DINA模型等。不同的診斷模型對被試診斷有不同的方法，實現(xiàn)起來的復雜程度及診斷的準確性也有所不同。 由于RSM是先編制測驗項目，然后由領(lǐng)域?qū)＜腋鶕?jù)項目分析出測驗的關(guān)聯(lián)Q矩陣。實際上，已有研究證明，這種通過分析測驗項目來得到Q矩陣的方法是存在問題的。貝葉斯網(wǎng)對不確定性問題有很強的推理能力，近幾年來，受到眾多

3、研究者的重視。本研究根據(jù)被試的作答向量和測驗項目所考察的屬性得到被試的屬性掌握模式，對被試的屬性掌握模式進行貝葉斯網(wǎng)結(jié)構(gòu)學習，得到屬性之間的層級關(guān)系。蒙特卡羅模擬實驗的結(jié)果表明，對根據(jù)項目分析得到的Q矩陣，是一個很好的參考。 基于貝葉斯網(wǎng)的分類器以其堅實的理論基礎和良好的分類性能，使其在很多領(lǐng)域都得到應用和推廣。本研究將貝葉斯網(wǎng)分類器應用到現(xiàn)代教育測量的認知診斷分類中，對0，1計分和多級計分進行蒙特卡羅模擬實驗。0，1計分情形與