基于近似子图的实时教学认知诊断模型设计与应用
发布时间：2021-06-10 15:45
开展个性化教学是实现素质教育至关重要的措施和手段。实现个性化教学的主要手段是使用计算机辅助测验对学生知识结构进行诊断,然后根据诊断结果开展有针对性的资源推送和路径规划等补救教学活动,其核心问题是教学认知诊断模型的构建。当前常用的基于RSM和AHM的教学认知诊断模型虽然能够对学生的知识状态进行高效、准确的诊断,但其生成规则空间的代价较高,在小规模实时诊断应用中效率较低。近似子图是领域知识图在测试项目下的相关子图,其顶点集只包含测试项目中涉及到的认知属性,其边集包括顶点集在领域知识图中直接依赖关系的投影,以及顶点集在领域知识图中间接依赖关系的模拟。近似子图可以降低规则空间规模的量级,满足其构造的实时性要求。基于近似子图的教学认知诊断模型在"Java语言程序设计"课程中的教学实验证明:该模型可以降低构建RSM规则空间的时间代价,在保证诊断准确率的前提下达到课堂实时认知诊断的目的,及时帮助学生发现自身知识缺陷并开展有针对性的补救学习,最终有效改善学生学习效果。针对学生的调查问卷结果也显示,该教学模式较传统课堂更为轻松和高效。
【文章来源】：现代远程教育研究. 2018,(04)北大核心CSSCI
【文章页数】：10 页
【部分图文】：
规则空间生成流程1.近似子图构建近似子图构建规则空间生成抽取直接依赖关系确定认知属性集生成间接依赖关系构建理想属性模式构建期望反应模式生成规则空间
图的实时教学认知诊断模型设计与应用【技术应用】近似子图的RSM规则空间生成方法。该方法不是根据测试项目涉及的属性集合从领域知识图中计算先序依赖关系的传递子图，而是通过忽略先序依赖关系中和测试项目无关的属性生成领域知识图的近似子图，从而有效降低规则空间规模的量。近似子图是领域知识图在测试项目下的相关子图，其顶点集只包含测试项目中涉及到的认知属性，其边集由两部分构成：一部分是顶点集在领域知识图中直接依赖关系的投影，另一部分是顶点集在领域知识图中间接依赖关系的模拟。图3以图2描述的领域知识图和表1给出的测试项目为例展示了近似子图的构建过程。图2中顶点A1-A8分别代表8个认知属性，图中有向边表示认知属性间的先序依赖关系，如A1指向A5表示如果学生掌握了A5就必然掌握A1。测试项目及认知属性之间的对应关系如表1所示，T1-T5分别代表5个测试项目，与之对应的是其所考察的认知属性。如第四行，测试项目T4考察的认知属性是A2和A8。测试项目集考察的认知属性集为A2、A4、A5和A8，所以它们构成近似子图顶点集，如图3（a）所示。由于领域知识图中存在A4到A2和A5到A2之间的直接依赖关系，所以在近似子图中建立A2到A4以及A2到A5的有向实边，进而完成近似子图中所有直接依赖关系的构建，如图3（b）所示。又由于领域知识图中存在A8通过A6间接依赖于A4以及A8通过A7间接依赖于A5的关系，所以在近似子图中建立A4到A8以及A5到A8的有向虚拟边，进而完成近似子图中所有间接依赖关系的构建，最终生成图3（c）所示的近似子图。
峁??⒔?锒媳ǜ娣蠢「?淌?脱?生。诊断报告能够提供关于学生知识结构、认知过程等微观层面的诊断信息，帮助学生确定其认知缺陷——哪个知识点未掌握。此外，诊断报告还能够为学生提供补救学习路径，学生可参考该路径开展针对性补救学习。3.课后补救教学（1）学习支持系统：开展课后个性化学习的主要依据是补救学习路径（姜强等，2015）。诊断报告准确给出了学生知识状态，学习支持系统根据学生知识状态为其规划可实施的补救学习路径并推送有针对性的学习资源。以近似子图构建过程中的知识状态为例，如图5所示，如果学生处于1000状态，该生就只掌握了认知属性A2，系统为其推荐的补救学习路径有两条，如图中虚线所示。其中一条补救学习路径为1000→1100→1110→1111，即学生需补救的认知属性为A4→A5→A8；另一条补救学习路径为1000→1010→1110→1111，即学生需补救的认知属性为A5→A4→A8。此外，系统可根据学生的知识状态向其推送有针对性的学习资源，例如学习视频、阅读材料等，在一定程度上满足学生的个性化学习需求。图5补救学习路径（2）学生与教师：学生可根据自己喜好从系统规划的补救学习路径中选择一条路径进行补救学习，通过有针对性地观看视频、阅读材料和做习题来完成知识缺陷的补救学习。如果学生在补救学习过程中仍存在自己无法解决的问题，可利用系统的在线交流机制向教师、同伴提问，教师也可在线给学生解答问题并向其推送相关学习资源，从而帮助学生获取解决问题的方法和思路。四、实施与验证1.研究方法（1）样本。研究选取河南师范大学2016级教育技术学专业的56名本科生作为被试，采用基于近似子图的教学认知诊断模式教学，其中男生
【参考文献】：
期刊论文
[1]解代数应用题的认知模型建构[J]. 张玲,刘静. 数学教育学报. 2017(01)
[2]小学数学学习困难学生“一对一”认知诊断与干预研究[J]. 魏雪峰,崔光佐. 电化教育研究. 2016(02)
[3]能力导向的个性化学习路径生成及评测[J]. 姜强,赵蔚,刘红霞,李松. 现代远程教育研究. 2015(06)
[4]基于属性多级化的认知诊断计算机化自适应测验设计与实现[J]. 涂冬波,蔡艳. 心理学报. 2015(11)
[5]基于规则空间模型的高中化学平衡内容认知诊断研究[J]. 王星乔,王祖浩. 化学教育. 2014(11)
[6]属性层级模型的简介与述评[J]. 毛萌萌. 科技广场. 2008(05)
[7]规则空间模型的简介与述评[J]. 余娜,辛涛. 中国考试(研究版). 2007(09)
[8]测量理论的新进展:规则空间模型[J]. 辛涛,焦丽亚. 华东师范大学学报(教育科学版). 2006(03)
本文编号：3222659
【文章来源】：现代远程教育研究. 2018,(04)北大核心CSSCI
【文章页数】：10 页
【部分图文】：
规则空间生成流程1.近似子图构建近似子图构建规则空间生成抽取直接依赖关系确定认知属性集生成间接依赖关系构建理想属性模式构建期望反应模式生成规则空间
图的实时教学认知诊断模型设计与应用【技术应用】近似子图的RSM规则空间生成方法。该方法不是根据测试项目涉及的属性集合从领域知识图中计算先序依赖关系的传递子图，而是通过忽略先序依赖关系中和测试项目无关的属性生成领域知识图的近似子图，从而有效降低规则空间规模的量。近似子图是领域知识图在测试项目下的相关子图，其顶点集只包含测试项目中涉及到的认知属性，其边集由两部分构成：一部分是顶点集在领域知识图中直接依赖关系的投影，另一部分是顶点集在领域知识图中间接依赖关系的模拟。图3以图2描述的领域知识图和表1给出的测试项目为例展示了近似子图的构建过程。图2中顶点A1-A8分别代表8个认知属性，图中有向边表示认知属性间的先序依赖关系，如A1指向A5表示如果学生掌握了A5就必然掌握A1。测试项目及认知属性之间的对应关系如表1所示，T1-T5分别代表5个测试项目，与之对应的是其所考察的认知属性。如第四行，测试项目T4考察的认知属性是A2和A8。测试项目集考察的认知属性集为A2、A4、A5和A8，所以它们构成近似子图顶点集，如图3（a）所示。由于领域知识图中存在A4到A2和A5到A2之间的直接依赖关系，所以在近似子图中建立A2到A4以及A2到A5的有向实边，进而完成近似子图中所有直接依赖关系的构建，如图3（b）所示。又由于领域知识图中存在A8通过A6间接依赖于A4以及A8通过A7间接依赖于A5的关系，所以在近似子图中建立A4到A8以及A5到A8的有向虚拟边，进而完成近似子图中所有间接依赖关系的构建，最终生成图3（c）所示的近似子图。
峁??⒔?锒媳ǜ娣蠢「?淌?脱?生。诊断报告能够提供关于学生知识结构、认知过程等微观层面的诊断信息，帮助学生确定其认知缺陷——哪个知识点未掌握。此外，诊断报告还能够为学生提供补救学习路径，学生可参考该路径开展针对性补救学习。3.课后补救教学（1）学习支持系统：开展课后个性化学习的主要依据是补救学习路径（姜强等，2015）。诊断报告准确给出了学生知识状态，学习支持系统根据学生知识状态为其规划可实施的补救学习路径并推送有针对性的学习资源。以近似子图构建过程中的知识状态为例，如图5所示，如果学生处于1000状态，该生就只掌握了认知属性A2，系统为其推荐的补救学习路径有两条，如图中虚线所示。其中一条补救学习路径为1000→1100→1110→1111，即学生需补救的认知属性为A4→A5→A8；另一条补救学习路径为1000→1010→1110→1111，即学生需补救的认知属性为A5→A4→A8。此外，系统可根据学生的知识状态向其推送有针对性的学习资源，例如学习视频、阅读材料等，在一定程度上满足学生的个性化学习需求。图5补救学习路径（2）学生与教师：学生可根据自己喜好从系统规划的补救学习路径中选择一条路径进行补救学习，通过有针对性地观看视频、阅读材料和做习题来完成知识缺陷的补救学习。如果学生在补救学习过程中仍存在自己无法解决的问题，可利用系统的在线交流机制向教师、同伴提问，教师也可在线给学生解答问题并向其推送相关学习资源，从而帮助学生获取解决问题的方法和思路。四、实施与验证1.研究方法（1）样本。研究选取河南师范大学2016级教育技术学专业的56名本科生作为被试，采用基于近似子图的教学认知诊断模式教学，其中男生
【参考文献】：
期刊论文
[1]解代数应用题的认知模型建构[J]. 张玲,刘静. 数学教育学报. 2017(01)
[2]小学数学学习困难学生“一对一”认知诊断与干预研究[J]. 魏雪峰,崔光佐. 电化教育研究. 2016(02)
[3]能力导向的个性化学习路径生成及评测[J]. 姜强,赵蔚,刘红霞,李松. 现代远程教育研究. 2015(06)
[4]基于属性多级化的认知诊断计算机化自适应测验设计与实现[J]. 涂冬波,蔡艳. 心理学报. 2015(11)
[5]基于规则空间模型的高中化学平衡内容认知诊断研究[J]. 王星乔,王祖浩. 化学教育. 2014(11)
[6]属性层级模型的简介与述评[J]. 毛萌萌. 科技广场. 2008(05)
[7]规则空间模型的简介与述评[J]. 余娜,辛涛. 中国考试(研究版). 2007(09)
[8]测量理论的新进展:规则空间模型[J]. 辛涛,焦丽亚. 华东师范大学学报(教育科学版). 2006(03)
本文编号：3222659
本文链接：https://www.wllwen.com/jiaoyulunwen/jiaoyujiaoxuefangfalunwen/3222659.html
