基于机器学习的多级评分认知诊断个人拟合方法研究.pdf

目录

摘要IV

ABSTRACTVI

引言1

1文献综述2

1.1认知诊断理论概述2

1.1.1认知属性2

1.1.2多级评分认知诊断中的属性定义3

1.1.3Q矩阵理论4

1.2认知诊断模型5

1.2.1DINA模型6

1.2.2G-DINA模型6

1.2.3seq-GDINA模型7

1.3个人拟合检验8

1.4认知诊断框架下的个人拟合统计量8

1.4.1lz统计量9

1.4.2反应一致性指标10

1.5基于机器学习的个人拟合（测验安全）研究10

1.5.1检测项目预知与项目泄露11

1.5.2基于时间序列数据的方法12

1.5.3针对认知诊断测验的方法13

1.6机器学习相对于传统个人拟合统计量的优势13

2问题提出和研究创新14

2.1以往研究的不足14

2.2本研究的主要创新15

2.2研究意义与价值15

2.2.1理论意义15

2.2.2实践价值15

2.3研究设计16

3研究一：lz统计量以及nnet和XGBoost算法在认知诊断个人拟合

检验中的合理性与科学性验证18

3.1研究目的18

3.2多级评分认知诊断lz统计量18

3.3单隐藏层神经网络19

3.4极端梯度提升法20

3.5研究设计22

3.5.1实验一：lz统计量的特征分布与临界值22

3.5.2实验二：机器学习模型训练23

3.5.2.1被试失拟类型24

3.5.2.2训练数据集与特征选择26

3.5.2.3模型训练28

3.5.2.4模型评估29

3.6研究结果与讨论31

3.6.1实验一结果与讨论：lz统计量的分布特征与临界值31

3.6.2实验二结果与讨论：nnet与XGBoost模型训练结果32

3.7研究一小结33

4研究二：lz统计量、nnet及XGBoost算法的检测力和一类错误率

比较与分析40

4.1研究目的40

4.2研究设计40

4.2.1实验三：lz统计量、nnet及XGBoost算法的检测力和一类

错误率比较与分析40

4.3评价指标40

4.4被试失拟类型41

4.5实验条件41

4.6研究结果与讨论41

4.6.1实验三结果与讨论：lz统计量、nnet及XGBoost算法的检

测力和一类错误率比较与分析41

4.7研究二小结43

5研究三：XGBoost在实证数据中的应用研究46

5.1研究目的46

5.2实证数据的来源46

5.3研究设计48

5.3.1XGBoost模型的训练与评估48

5.3.2XGBoost在实证数据条件下的验证49

5.3.3XGBoost在实证数据中的检测应用49

5.4研究结果与讨论49

5.4.1XGBoost模型训练与评估结果49

5.4.2XGBoost在实证数据条件下的验证结果50

5.4.3XGBoost在实证数据中的检测应用结果51

5.5研究三小结52

6总结与讨论53

6.1研究结论53

6.2讨论54

6.3局限性与展望56

参考文献59

附录：66

致谢68

攻读硕士学位期间主要研究成果68

摘要

认知诊断评估（CognitiveDiagnosticAssessment,CDA）在教育

测量、心理评估等领域中受到广泛关注。但在CDA施测过程中，被

试的异常作答如作弊、加速作答等会严重影响评估结果。研究者一

般用个人拟合统计量（Person-FitS