属性多级化的认知诊断模型拓展及其Q矩阵设计*
参数估计,正确率,测验,1引言,2属性多化认知诊断模型拓展及其Q矩阵设计思路,1属性多级化的PA-rRUM模型和PA-DINA模型拓展的思路,2属性多级化的PA-rRUM模型和PA-DINA模型的MCMC参数估计
蔡 艳 涂冬波(江西师范大学心理学院,江西省心理与认知科学重点实验室,南昌 330022)
1 引言
当前国内外认知诊断(cognitive diagnosis,CD)研究中,测验 Q矩阵一般都由 0-1元素构成(如Tatsuoka,1995;Junker &Sijtsma,2001;de la Torre,2011;DeCarlo,2012;Feng,Habing,&Huebner,2014)。若
q
=1说明项目 i测量了属性 k;若
q
=0说明项目i未测量属性k;与此Q矩阵相对应的是被试的属性掌握模式即知识状态(knowledge states)
α
,它反应了被试j是否掌握了属性k,若
α
=1说明被试j掌握了属性k;若
α
=0说明被试j未掌握属性k。在传统0-1 Q矩阵基础上,为了细化项目测量的属性水平层次以及细致考察被试具体掌握了属性的哪个水平层次,学者们开始提出了属性多级化的 Q矩阵思想(Karelitz,2004;de la Torre,Lam,Rhoads,&Tjoe,2010;Chen &de la Torre,2013),用于考察项目测量属性的不同水平层次(相对应的被试而言,为被试掌握/达到属性的某种水平);多级化Q矩阵中,Q矩阵的元素
q
取值不仅是0-1,也可以是其它取值,用于表明项目测量的属性水平(attribute levels,Chen &de la Torre,2013),如
q
=0代表项目i未测量属性k (即Level 0),q
=1代表项目i测量了属性k的水平1 (Level 1),q
=2代表项目i测量了属性k的水平2 (Level 2),依此类推。相对应的
α
=0代表被试j未掌握属性k,α
=1代表被试j掌握了属性k的第一水平,α
=2代表被试j掌握了属性k的第二水平。
图1是de la Torre等(2010)使用到的多级化属性(polytomous attributes,PA)。图1中,两个属性分别有三个水平Level 0、Level 1和Level 2,代表着属性的不同水平层次。当然,如果被试要正确答对项目,则应掌握属性的相应水平层次。例如:如果项目i测量的属性q=(1,2),属性A1和A2均有三种水平(Level 0、Level 1和Level 2),则被试至少要掌握属性A1的水平1和属性A2的水平2才可能答对该项目,即当被试的掌握模式α=(1,2)或(2,2)时才可能答对该项目 ......
您现在查看是摘要页,全文长 18051 字符。