面向大规模认知诊断的DINA模型快速计算方法研究

发布时间：2022-02-21 09:10

　　在教育教学的过程中,如何诊断学生的知识水平是一个重要的问题.传统方法大多由教师根据学生的表现和成绩进行人工判断,存在效率低、主观性强的问题,且难以做到针对大量学生的个性化诊断.近年来,认知诊断模型中的DINA模型被广泛应用于诊断学生个性化知识掌握程度.然而传统DINA模型大多基于小样本数据,当面对在线教育带来的大规模数据处理需求时,存在收敛速度慢的问题,难以实际应用.针对DINA模型计算时间过长的问题,本文首先给出了DINA模型的收敛性证明,并提出了三种能够加速DINA求解的算法:（1）增量算法,它将学生数据划分为多个学生块,每次迭代只访问其中一个学生块;（2）最大熵方法,它只访问在极大化模型熵的过程中影响较大的学生数据;（3）基于前两者的混合方法.最后,本文通过真实数据和模拟数据上的实验,分析证明了三种方法均能在保证DINA模型有效性的情况下,达到几倍至几十倍的加速效果,有效地改善了DINA模型的计算效率. 

【文章来源】：电子学报. 2018,46(05)北大核心EICSCD

【文章页数】：9 页

【参考文献】：
期刊论文
[1]基于认知诊断的个性化试题推荐方法[J]. 朱天宇,黄振亚,陈恩红,刘淇,吴润泽,吴乐,苏喻,陈志刚,胡国平.  计算机学报. 2017(01)
[2]在线教育的“后MOOC时代”——SPOC解析[J]. 康叶钦.  清华大学教育研究. 2014(01)
[3]认知诊断DINA模型研究进展[J]. 张潇,沙如雪.  中国考试. 2013(01)



本文编号：3636946