基于作答数据的模型参数和Q矩阵联合估计.pdf

心理学报 2015, Vol. 47, No.2, 273 Acta Psychologica Sinica DOI: 10.3724/SP.J.1041.2015.00273 基于作答数据的模型参数和Q 矩阵联合估计* 1,2 1 2 1 1 喻晓锋 罗照盛 秦春影 高椿雷 李喻骏 (1 江西师范大学心理学院, 南昌 330022) (2 亳州师范高等专科学校, 亳州 236800) 摘 要 Q 矩阵在认知诊断的模型参数估计和诊断分类中起着重要作用。本文通过研究 Liu 等人的方法, 设 计了同时估计项目参数和 Q 矩阵的联合估计算法。在 DINA 模型下 , 对项目参数未知时开展模拟研究。研 究假设项目为 20 个, 考察的属性个数分别是 3、4 和 5, 初始 Q 矩阵中分别存在 3、4 和 5 个属性界定错误的项 目。结果表明, 联合估计算法能在错误的初始 Q 矩阵基础上以很高的概率得到正确的 Q 矩阵。另外, 当专 家认定测验的属性个数存在错误时, 该方法推导的 Q 矩阵和模型参数能提供很好的鉴别 Q 矩阵错误的信息。 关键词 认知诊断评价 ; Q 矩阵 ; T 矩阵 ; 联合估计 ; DINA 模型 分类号 B841 1 引言 本文中的认知诊断模型特指潜在分类模型 (Latent Class Model, LCM) (de la Torre Douglas, 2004; 认知诊断评价(也称认知诊断)是现代心理与教 Maris, 1999), 不包括多成分潜在特质模型(Multicom- 育测量学发展的新方向 , 它是心理学(如认知心理 ponent Latent Trait Model, MLTM) (Embretson 学、心理测量学) 、数学(如现代统计数学)和计算机 Yang,2013) 。在众多的诊断模型中, DINA 模型由于 科学等相结合的产物。相对于其它的测验形式, 认 Q 矩阵(Tatsuoka, 简单、易于解释而受到广泛的关注。 知诊断最吸引人的地方是能够提供被试在测验领 1983)是认知诊断评价的一个重要组成部分 , 几乎 域上细粒度的掌握情况报告。认知诊断通过被试在 所有的认知诊断评价研究都要建构一个 Q 矩阵。被 测验项目上的反应推断被试在测验领域上的知识掌 试的属性掌握模式是潜在的、不可观察的 , 我们只 握详情 ( 即属性掌握模式), 这个属性掌握模式可以 能通过可观察的项目反应来推断被试的属性掌握 使我们更准确的了解被试在测验领域上的长处和不 模式, 而这之间的桥梁是 Q 矩阵。因此, Q 矩阵的 足, 有利于进一步的学习和辅导。近年来, 越来越多 准确性对于认知诊断评价的准确性影响很大。已有 的研究者加入到认知诊断评价的理论和应用研究中, 研究表明, 错误的 Q 矩阵会影响诊断模型的识别和 认知诊断的理论和实践都取得了较快的发展。 诊断分类准确率(Rupp Templin, 2008) 。 在认知诊断评价研究过程中发展出了许多的