认知诊断计算机自适应测验中平衡属性收敛的新方法

发布时间：2021-12-31 05:17

　　提出两种认知诊断计算机自适应测验下平衡属性收敛的新方法（MABI、RTA）,模拟研究系统探讨和比较了此二者与已有方法（ABI、IABI和RABI）的表现。结果发现:（1）新方法较不考虑属性收敛的方法有更高的准确率以及更均衡的题目使用率;（2）新方法较ABI和RABI有稍低的准确性,但有更平衡的题目使用率;（3）新方法与IABI的准确性和题目使用率在不同选题策略下各有优势。总之,两种新方法较好地兼顾测量准确性、题目使用率以及题库曝光情况。 

【文章来源】：心理科学. 2019,42(05)北大核心CSSCICSCD

【文章页数】：9 页

【文章目录】：
1 引言
2 认知诊断模型简介
    2.1 DINA模型
    2.2 RRUM
3 CD-CAT选题策略
4 属性收敛指标
    4.1 改进的ABI(improved ABI,IABI)
    4.2 修正的ABI(revised ABI,RABI)
    4.3 修改的ABI(modified ABI,MABI)
    4.4 长度和属性个数比（ratio of test length to the number of attributes,RTA)
5 模拟研究
    5.1 研究目的
    5.2 研究设计
        5.2.1 自变量
        5.2.2 控制变量
        5.2.3 因变量
    5.3 研究结果
        5.3.1 分类准确性
        5.3.2 题目使用情况
        5.3.3 题库曝光情况
6 讨论与结论
    6.1 研究讨论
    6.2 研究结论


【参考文献】：
期刊论文
[1]四种新的基于属性平衡的CD-CAT选题策略开发研究[J]. 刘舒畅,涂冬波,蔡艳,赵洋.  心理科学. 2018(04)
[2]可修改答案的认知诊断计算机化自适应测验研究[J]. 高旭亮,汪大勋,韩雨婷,蔡艳,涂冬波.  心理科学. 2017(03)
[3]认知诊断评价中测验结构的优化设计[J]. 彭亚风,罗照盛,喻晓锋,高椿雷,李喻骏.  心理学报. 2016(12)
[4]认知诊断计算机化自适应测验中新的选题策略:结合项目区分度指标[J]. 郭磊,郑蝉金,边玉芳,宋乃庆,夏凌翔.  心理学报. 2016(07)
[5]基于CD-CAT的多策略RRUM模型及其选题方法开发[J]. 戴步云,张敏强,焦璨,黎光明,朱华伟,张文怡.  心理学报. 2015(12)
[6]多维计算机化自适应测验:模型、技术和方法[J]. 毛秀珍,辛涛.  心理科学进展. 2015(05)
[7]基于BP神经网络的认知诊断计算机化自适应测验实现[J]. 汪玲玲,陈平,辛涛,衷克定.  北京师范大学学报(自然科学版). 2015(02)
[8]认知诊断计算机自适应测验中选题策略的新进展[J]. 辛涛,刘拓.  南京师大学报(社会科学版). 2013(06)
[9]认知诊断CAT选题策略及初始题选取方法[J]. 涂冬波,蔡艳,戴海琦.  心理科学. 2013(02)
[10]计算机化自适应诊断测验新的选题策略[J]. 余丹,潘奕娆,丁树良,杨庆红.  江西师范大学学报(自然科学版). 2011(05)



本文编号：3559686