认知诊断在教育考试中应用.docVIP

认知诊断在教育考试中应用 　　[摘要]在当今的教育考试当中，考试结果只是分数或者能力等级，而并没有具体到对考生的认知状态作出准确的判断，即考生真正掌握和未掌握的并不能够在结果中体现出来，不能区别分数相同的考生。认知诊断技术通过对学生的知识状态分析，在教育考试中有着重要的意义。 　　[关键词]认知诊断 知识状态 属性层级模型 　　一、引言 　　LeightonGierl（2007）[1]认为，认知诊断用于测量/评价个体特定的知识结构（know ledge structure）和加工技能（processing skills）。通常把对个体的知识结构或加工技能的诊断被称为认识诊断。 　　相对于传统的终评估而言，认知诊断的目的不是给出学生的成绩（比如排名），而是通过测试，运用认识诊断技术给出学生的知识状态（即学生掌握了什么，没有掌握什么）[2]，从而给出相应的补救措施。并给出相同分数的考生区别在哪里，是什么原因导致学生的错误，随着社会的发展，这些问题显得越来越突出。如何利用模式识别技术做到对事物的认识，在不同的行业当中，需要有适合它们的开发模型，针对教育考试领域的认识诊断，有很多开发模型，比如属性层级模型（AHM）；噪声“与”门模型（DINA）。 　　二、DINA模型简介 　　DINA的项目反应函数（IRF）是唯一的，直接用于诊断分类，而且是显式的（explicit），DINA模型的项目反应函数（IRF）可以参见文献[3] 　　其中Pj（αc）表示表示真实知识状态为αc的被试i在项目j上 　　正确反应的概率。其中，被试i在项目j上的期望反应为 ， 　　真实观察值为Xij。项目j的失误参数为sj，猜测参数为gj，qj=（q1j，q2j，，，，，，qkj）为项目j所测的属性向量，q1j=1表示项目j包含第i个属性，否则为q1j=0。 　　sj=P（Xij=0|ηij=1）表示被试掌握了该题的所有属性而答错该题的概率。 　　gj=P（Xij=1|ηij=0）表示被试没有完全掌握该题的所有属性而答对该题的概率。 　　三、DINA模型与认知诊断 　　为了做考生的认知诊断，前期需要做大量的工作，主要分为两个阶段，第一阶段，诊断流程并如何形成诊断工具，主要包括测验编制，算法与程序编制（使用Matlab工具），如何生成诊断结果报告和针对性补救措施。第二阶段，是使用认知诊断评估工具开展诊断评估。 　　第一阶段：诊断流程及形成诊断工具。 　　图1：认知诊断评估流程图 　　第二阶段：根据属性导级形成诊断试题。 　　确定诊断知识点所涉及到的属性以及其属性之间的阶层关系，同时根据确定好的认知属性层级关系选择合适的认知诊断模型。确定属性及层级关系主要由学科专家从学科知识及其丰富教学经验角度出发而给出。本文以DINA模型为例，给出诊断评估过程。 　　属性层级分为四种： 　　图2：四种属性层级图形 　　根据属性层级结构的简化Q阵设计合理试题，以下解释几个名词， 　　邻接阵（A matrix）：根据属性层级结构得到的N*N的矩阵。若第i个属性与第j个属性有直接逻辑关系，则Aij=1，否则为0。其中N为属性个数。 　　可达阵（R matrix）：根据属性层级结构得到的N*N的矩阵。若第i个属性与第j个属性有直接和间接的逻辑关系，则Aij=1，否则为0。其中N为属性个数。 　　关联矩阵（Q matrix）：为所有属性取0和1的排列。如有N个属性，则Q矩阵的列数为2N-1。 　　简化Q阵（Qr）：符合指定属性层级结构的所有不相同项目构成集合的矩阵。 　　通过Q矩阵中行与行之间的关系比较可以得出属性间的先决关系，从而可以确定仅反映属性间直接先决关系的邻接矩阵（Adjacency Matrix）―A矩阵。对于不断增大的正整数n，当（A+I）``不再变化时，即可得到可达矩阵（Reachability Matrix）R=（A+I）``（其中I是与A同阶的单位阵）。R矩阵不仅反映属性之间直接的先决关系，同时也反映间接的先决关系以及自反关系。 　　通过如下算法可得到简化Q阵 　　输入：可达阵R，设R为n*n阵。 　　输出：简化Q矩阵Qr。 　　{ 将R按列分块，R=（r1，r2，…，rn） 　　m=n+1 　　for i=1 to n 　　for j=i+1 to m-1 　　if（ri rj与所获得的向量不相等） 　　then{rm=ri rj；Qr=[R，rm]；m=m+1} 　　} 　　以上符号“ ”对应分量作布尔加 　　通过以上算法得到的Qr为所求的简化Q矩阵。通过证明可以说明得到的Qr阵为所有符合属性层级的项目集。 　　根据所得到的简化Q阵设计出合理的试题。 　　第三阶段：根据作答情况给出评价结