RSM改进及其多级评分AHM的开发的研究.pdf

摘 要 无论是观察分数还是能力分数，它们只是对被试一个笼统的大概描述。 这种传统测验对具有相同分数或相同能力的被试，却有不同知识状态或不同 认知结构这一现象无法做出合理解释；而认知诊断测验能对被试在完成测验 项目时的认知过程或心理加工过程进行诊断和评估。Tatsuoka的规则空间模 型(RSM)是较早提出且最有影响的认知诊断模型之一，她认为测验评估能 够且应该提供被试的具体认知结构，并用它来指导对被试作出补救决策。属 性层次方法(A删)是其中一种变体，该方法假设测验项目是由一组具有层 次结构的属性来表征的，然后根据被试的作答反应把被试归类到相应的知识 状态中。 一方面，本研究对RSM中一些错误理论进行改进。RSM分成两大部分， 第一部分是Q矩阵理论，第二部分是模式识别。本文从理论和实例两方面揭 示RsM中Q矩阵理论的缺陷和错误，这些失误使得RSM中用布尔描述函数 (BDF)计算被试理想项目反应模式(时)的方法缺乏理论依据，于是提 出了几种更简便的计算理想项目反应模式的方法。接着介绍了一种由可达阵 推导出简化Q阵的方法，且指出构造认知诊断测验中可达阵的重要性。还有， RSM的分类方法较复杂，本文把几种度量距离和相似性的方法(KL、KF、 LL、SQRT、COS)作为模式识别准则，并用蒙特卡洛模拟实验方法比较这 些分类法与规则空间方法的优劣。结果表明，LL方法分类效果最好。 另一方面，本研究主要把O．1评分模型的AHM扩展成多级评分模型的 AHM。本文提出确定多级评分模型AHM的期望项目反应模式全集的方法， 并把在O一1评分模型中具有最高归准率的分类法一对数似然比(LL)也推 广到多级评分模型，同时也提出了把相似度作为归类准则的几种分类法(S1、 S2、Sll、$21)。用蒙特卡洛模拟实验比较这几种分类法基于等级评分模型 的优劣，用属性模式归准率和单个属性的归准率作为评价指标。结果发现， 在各种情况下属性模式归准率比相应的单个属性归准率低。LL与方法A的 l 归类效果最好，其次是S2和$21，最后是S1、Sll和方法B。一般来说，随 着slip的提高，它们的归准率相应下降，并且对于不同的属性层次结构，变化 的规律是一致的，而S2、Sll和$21在线型和合流型的变化规律则有稍微差 异。在归类精度和简单性方面，多级评分AHM比Bolt等提出的多级评分融 合模型(FusionModel)更有优势。 关键词：认知诊断；规则空间模型；属性层次方法；多级评分模型 U Abstract in orthelatenttraitscaleinIRT ThetruescorescaleC：TT providesspecific ona failsto informationaboutstudents’locationcontinuum．However,it provide informationabout andweaknesses． specific students’cognitivestrengths andeducatorstomakeinferences assessmentsenableresearchers Diagnostic about and whichstudentsusewhen test cognitive knowledge solving processes items．Thevalueof assessmentliesinits toreveal