基于贝叶斯网的认知诊断模型构建
发布时间：2018-07-25 13:29
【摘要】：新一代测量理论在测验设计、计量分析和结果解释等方面,都强调将认知科学与心理计量学相结合。文章基于贝叶斯网对定性的认知模型(属性层级)建立概率模型,并将其整合到认知诊断模型中,可实现认知模型与计量模型相结合进行诊断数据分析。采用MCMC算法分析带分数减法数据,比较不同属性结构下模型的表现,结果表明基于贝叶斯网构建的认知诊断模型可提供丰富且有效的诊断信息,可为验证认知模型提供一种途径。
[Abstract]:The new generation of measurement theory emphasizes the combination of cognitive science and psychometrics in the aspects of test design, econometric analysis and interpretation of results. In this paper, the probability model of qualitative cognitive model (attribute hierarchy) is established based on Bayesian network, and it is integrated into the cognitive diagnosis model. The combination of cognitive model and econometric model can be used to analyze the diagnostic data. The MCMC algorithm is used to analyze the data with fractional subtraction, and the performance of the model under different attribute structures is compared. The results show that the cognitive diagnosis model based on Bayesian network can provide rich and effective diagnostic information. It can provide a way to verify the cognitive model.
【作者单位】： 江西师范大学初等教育学院;江西师范大学计算机信息工程学院;江西师范大学心理学院;
【基金】：全国教育科学规划教育部重点项目“基础教育质量监测分数报告方法研究”(DHA150285)的资助
【分类号】：B842.1
本文编号：2143970
[Abstract]:The new generation of measurement theory emphasizes the combination of cognitive science and psychometrics in the aspects of test design, econometric analysis and interpretation of results. In this paper, the probability model of qualitative cognitive model (attribute hierarchy) is established based on Bayesian network, and it is integrated into the cognitive diagnosis model. The combination of cognitive model and econometric model can be used to analyze the diagnostic data. The MCMC algorithm is used to analyze the data with fractional subtraction, and the performance of the model under different attribute structures is compared. The results show that the cognitive diagnosis model based on Bayesian network can provide rich and effective diagnostic information. It can provide a way to verify the cognitive model.
【作者单位】： 江西师范大学初等教育学院;江西师范大学计算机信息工程学院;江西师范大学心理学院;
【基金】：全国教育科学规划教育部重点项目“基础教育质量监测分数报告方法研究”(DHA150285)的资助
【分类号】：B842.1
【相似文献】
相关期刊论文 前4条
1 蔡艳;涂冬波;丁树良;;五大认知诊断模型的诊断正确率比较及其影响因素:基于分布形态、属性数及样本容量的比较[J];心理学报;2013年11期
2 郭磊;苑春永;边玉芳;;从新模型视角探讨认知诊断的发展趋势[J];心理科学进展;2013年12期
3 毛秀珍;;基于属性掌握概率的认知诊断模型[J];四川师范大学学报(自然科学版);2014年03期
4 ;[J];;年期
相关会议论文 前2条
1 刘文;边玉芳;陈玲丽;;题组认知诊断方法模拟研究[A];增强心理学服务社会的意识和功能——中国心理学会成立90周年纪念大会暨第十四届全国心理学学术会议论文摘要集[C];2011年
2 宋丽红;汪文义;戴海琦;丁树良;;基于贝叶斯网的认知诊断模型构建[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年
相关硕士学位论文 前1条
1 吴方文;补偿型的多级评分认知诊断模型的开发及其在抑郁症状评估中的应用[D];江西师范大学;2015年
，本文编号：2143970
本文链接：https://www.wllwen.com/shekelunwen/xinlixingwei/2143970.html
