摘要
1 文献综述
1.1.2 认知属性
1.1.3 属性层级关系
1.1.4 属性掌握模式
1.1.5 Q矩阵及其设计
1.2 认知诊断的三大理论基础
1.3 认知诊断方法研究综述
1.3.1 参数模型方法
1.3.2 非参数方法
1.3.3 机器学习的方法
1.4 认知诊断分类准确性的影响因素
1.4.1 属性层面的影响
1.4.2 测验编制的影响
1.4.3 被试层面的影响
1.4.4 分类方法的影响
1.5 认知诊断发展趋势
1.5.1 认知诊断模型及方法的多级评分趋势化
1.5.2 认知诊断模型及方法趋于简化
1.5.3 大数据时代的认知诊断计算机化
2 问题提出与研究设计
2.1.2 海明距离方法只适用于0-1评分,需拓展多级评分方法
2.1.3 拓展至多级评分的可行性及稳健性
2.2 研究问题
2.3 研究设计
2.4 研究意义
2.4.1 理论意义
2.4.2 实践意义
3 研究一:曼哈顿距离判别方法构建
3.1 研究目的
3.2 研究设计
3.3 曼哈顿距离
3.4 反应模式间的曼哈顿距离
3.5 曼哈顿距离判别法的合理性
3.6 曼哈顿距离判别方法
3.7 MDD分类一致性
3.7.1 条件与假设
3.7.2 数学推导
4 研究二:曼哈顿距离判别法分类准确性
4.2.1 研究设计
4.2.2 数据生成
4.2.3 数据分析
4.2.4 评价指标
4.3 实验1:被试知识状态分布对判准率的影响
4.3.1 实验目的
4.3.2 实验过程
4.3.3 实验结果
4.4 实验2:被试样本容量对判准率的影响
4.4.1 实验目的
4.4.2 实验过程
4.4.3 实验结果
4.5 实验3:属性个数对判准率的影响
4.5.1 实验目的
4.5.2 实验过程
4.5.3 实验结果
4.6 讨论
4.6.1 MDD三种判别方法的特点
4.6.2 MDD不受知识状态分布的影响
4.6.3 MDD不依赖样本容量,可用于小样本测验评估
4.6.4 MDD判准率随属性个数的影响较小
4.6.5 MDD与其他方法的比较
5 研究三:曼哈顿距离判别法稳健性
5.2.4 评价指标
5.3 实验1:属性层级关系错误对判准率的影响
5.3.1 实验目的
5.3.2 实验过程
5.3.3 实验结果
5.4 实验2:Q矩阵错误对判准率的影响
5.4.1 实验目的
5.4.2 实验过程
5.4.3 实验结果
5.5 讨论
5.5.1 属性层级关系的错误对MDD的影响
5.5.2 Q矩阵的错误对MDD的影响
5.5.3 MDD的稳健性
6 研究四:MDD在实证数据中的应用
6.2 数据来源
6.3 研究过程与方法
6.4 评价指标
6.5 研究结果
6.5.1 诊断分类结果
6.5.2 属性性质与属性通过率的一致性
6.5.3 学校类型与属性通过率的一致性
6.6 讨论
6.6.1 MDD的有效性
6.6.2 MDD的适用性
7.研究结论与展望
7.1 研究结论
7.2 研究展望
参考文献
攻读学位期间取得的研究成果
致谢
声明