认知诊断模型研究综述

信息技术的发展,尤其是信息技术与教育的结合,使得教育领域一直提倡的因材施教成为可能。认知诊断通过分析学习者的学习数据,进而挖掘学习者的认知状态,为教师实施针对性教学提供支持。认知诊断的常规模型有传统模型、模糊诊断模型、基于神经网络模型和基于深度学习模型。文章首先对当前各类模型的常规算法及其优化算法进行了详细的阐述,然后总结了各类模型的优缺点,最后对未来可能的研究方向进行了预测。

认知诊断评估中Q矩阵理论及应用

Q矩阵是认知心理学与心理计量学结合的重要载体,Q矩阵在认知诊断中发挥着十分重要的作用。Q矩阵理论和应用研究近年来取得了重要进展。众多研究者从结构化到非结构化、属性二值到多值、简单到复杂模型、独立到一般结构、0-1到多级评分方面不断深入和拓展Q矩阵理论。Q矩阵理论也广泛应用于测验构念效度评价、计算机化自适应测验选题策略设计、Q矩阵学习和标定、认知诊断测验组卷等。与模型无关的Q矩阵理论和适合特定认知诊断模型下Q矩阵理论,以及最新Q矩阵理论的应用都值得深入研究。

基于SOM神经网络的教学认知诊断模型研究

认知诊断模型在评估知识点依赖关系松散型学科知识状态时,因其生成的可达矩阵较为稀疏,易导致认知诊断的效率和准确度降低。而自组织映射(Self-Organizing Maps,SOM)神经网络可在不考虑知识点依赖关系的情况下,通过自动发现样本中的内在规律和本质属性,实现对学生知识状态的分类与评估。基于此,文章构建了基于SOM神经网络的教学认知诊断模型,在“大学英语视听说”课程中开展了此诊断模型的教学应用,并从诊断结果、学习成效、满意度三个方面进行了应用效果分析,结果表明:诊断模型用于知识点依赖关系松散型学科时,能够通过自组织聚类消除学生答题过程中的误差,精准、高效地分类评估学生的知识状态;诊断模型有助于教师实施有针对性的补救教学,在提高学生的学习效率和避免成绩的两极化方面效果显著;学生对诊断模型的整体满意度也较高。文章的研究丰富了教学认知诊断理论,可为个性化学习、精准补救教学提供诊断方法和实践经验。

基于知识关系与试题价值权重的认知诊断模型

现有认知诊断方法忽略了试题中知识点之间存在的显性、隐性相关性以及试题的价值权重,为解决上述问题,文章提出了一种基于神经网络的诊断模型(QENCD)。该模型首先利用Jaccard算法探索知识点间的相似性,发现试题中的显性知识点,并根据特征向量中心性算法求其权重;其次,利用显性知识点信息作为先验信息来推断试题中的隐性知识点;然后,引入学生潜能因素和试题价值权重因素,重新构建交互函数;最后,结合猜测因素预测学生是否能正确回答试题,了解学生实际水平。在4个真实数据集(ASSIST0910、MathEC、Junyi和Math1)上,将QENCD模型与3个统计认知诊断模型(IRT、MIRT、DINA)、3个神经网络认知诊断模型(NCD、CDGK、ICD)进行对比实验;同时,为了验证每个组件的有效性,进行了消融试验,通过移除模型的不同部分(如知识矩阵、试题价值权重等)来评估各部分对模型性能的影响。此外,进行了基于一致性程度指标(DOA)的可解释性实验,以衡量模型的解释能力。对比实验结果表明在4个真实数据集上,与目前最佳的基线模型(ICD)相比,QENCD模型的ACC、AUC平均提高了0.84%、1.12%,RMSE降低了0.38%。消融实验结果显示:模型的不同部分对模型的准确性和解释性都有重要贡献。由4个模型(DINA、NCDM、CDGK和QENCD)在4个真实数据集上的DOA值可知:QENCD模型能够更准确地识别和解释学生的知识状态。

认知诊断评价中的被试拟合研究

通常情况下,认知诊断需要通过认知诊断模型对被试进行诊断评价。认知诊断模型所生成诊断结果的有效性依赖于被试作答反应是否与所选用的模型拟合。因此,在对诊断结果进行评估的时候,需要通过被试拟合分析来对被试个体的作答反应与模型的拟合情况进行检验,以避免错误或无效的补救措施。本研究基于加权的得分残差,提出认知诊断评价中新的被试拟合指标R。模拟研究结果表明,R指标的一类错误率有较好的稳定性,对随机作答、疲劳、睡眠和创造性作答四种异常被试类型均有较高的统计检验力。并将R指标应用于分数减法实证数据,展示指标在实际测验中的使用过程。

“双减”背景下中小学作业如何减量提质——基于认知诊断模型的案例研究

中小学作业的减量提质是学校落实“双减”政策、提升课堂教学质量的关键环节。认知诊断理论不仅能有效解决提质增效问题,还可以助力破解个性化、规模化的现实矛盾。本研究以小学六年级数学分数除法单元为研究案例,基于认知诊断模型,提出中小学学生作业减量提质的实践路径,主要包括认知属性界定与划分、认知Q矩阵构建、单元诊断作业题目编制、认知诊断模型选择、学生作业诊断报告获取等五个步骤。结果表明:以试题参数、属性掌握概率为中介桥梁,有利于解决作业设计中“怎么减”与“怎样减得更好”的问题;以理想测量模式、属性掌握模式为重要依据,有利于解决作业设计的提质增效问题。研究建议从提升教师作业设计能力、构建高质量评价体系、构建学校作业资源库三个方面深入探索,助力中小学作业减量提质。

基于八年级学生一次函数认知诊断结果的学习路径刻画

认知诊断作为一个新兴的诊断方式可以从测试结果中分析出学生认知层面上存在的障碍,为刻画学习路径提供有效帮助,是补救教学的重要前提和基础.本研究应用Seq-GDINA认知诊断模型,对八年级学生一次函数内容学习情况进行认知诊断,从分数、认知属性掌握概率及理想掌握模式归入率三方面对输出结果进行差异性分析,基于属性掌握概率对全体被试的属性掌握情况进行探索性聚类分析,生成包含7个认知状态节点的学习路径图,实现认知状态可视化。

高中平面向量的认知诊断研究

为探索学生潜在认知结构,改善目前教育评价中“唯分数”的窘境.基于认知诊断评估理论构建了一份针对高中平面向量知识的诊断性测验.质量验证表明该测验具有良好的区分度与难度,Q矩阵与属性层级关系构建合理,可用于对高中生关于平面向量知识的掌握情况进行探究与诊断分析.认知诊断技术的分析方法可以分别针对群体与单独个体提供详细的诊断反馈,并针对学生实际的认知结构进行相应的补救教学或教学指导同时以学生的能力水平与掌握属性模式构建的学习进阶路径,可以为教师教学与学生自主学习提供借鉴与指导.

基于信息量的试题非等权重神经认知诊断

该文提出了基于信息量的试题非等权重神经认知诊断(WNCD)方法,即利用学生能力水平与试题难度之间的相近程度来调整试题在学生认知状态估计时的权重,并通过神经网络拟合试题和学生之间复杂的非线性交互关系.与已有方法在ASSIST和PISA2012数据集上进行对比实验的结果表明:WNCD不仅保持了良好的解释性,而且提升了诊断精度.

纵向非参数认知诊断评估

通过建立相邻时间点间被试知识状态和理想作答模式的链接,提出了4种逻辑简洁的纵向非参数认知诊断方法:LNPC、LWNPC、LGNPC和LWGNPC。模拟研究结果表明:建立的链接能提升纵向判准精度。与参数模型相比,4种方法估计精度相当,受样本容量影响小。与Long-HDD相比,4种方法判准精度较高,题目质量较低时LNPC和LWNPC仍有较好表现;实证研究表明:4种方法能够应用于实际纵向测验分析,与参数模型和Long-HDD判别一致性较高。推荐LWNPC方法。

基于信号检测论的认知诊断评估:构建与应用

作答选择题可被看作从噪音中提取信号的过程,研究提出了一种基于信号检测论的认知诊断模型(SDT-CDM)。新模型的优势在于:(1)无需对选项进行属性层面的编码。(2)能获得传统诊断模型无法提供的题目区分度和难度参数。(3)可以直接表达每个选项之间的合理性差异,对题目性能刻画更加细微全面。两个模拟研究结果表明:(1)EM算法可以实现对新模型的参数估计过程,便捷有效。(2)SDT-CDM具备良好性能,分类准确性和参数估计精度较高以外,还能提供选项层面的估计信息,用于题目质量诊断与修订。(3)属性数量、题目质量与样本量等因素会影响SDT-CDM的表现。(4)与称名诊断模型NRDM相比,SDT-CDM在所有实验条件下对被试的分类准确性更高。实证研究表明:SDT-CDM比NRDM具有更好的模型数据拟合结果,其分类准确性和一致性更高,尤其当属性考察次数较少时具有很强的稳定性,难度和区分度参数与IRT模型估计结果的相关性也更高,值得推广。

基于认知诊断的个性化习题推荐

针对现有的基于认知诊断的习题推荐建模角度单一以及习题推荐结果不够合理的问题,提出结合认知诊断和深度因子分解机的个性化习题推荐方法。首先,设计一种知识点关系计算方法构建课程知识树,并提出增强Q矩阵准确表示习题所含知识点的关系的概念;其次,提出基于知识点关系和习题表征的认知诊断(NeuralCD-KD)模型,该模型计算增强Q矩阵,利用特征二阶交叉和注意力机制融合习题难度的内外因素,并模拟学生的认知状态。在私有数据集和公开数据集上验证了提出的认知诊断模型的有效性,并且该方法能对学生的认知状态做出合理解释。为了个性化习题推荐,结合诊断模型和深度双线性因子分解机,提出结合认知诊断和深度因子分解机(NKD-DBFM)方法,在私有数据集上验证了所提习题推荐方法的有效性,在曲线下面积(AUC)上相较于最优基线模型神经认知诊断模型(NeuralCDM)提升了3.7个百分点。

基于速度与准确率权衡的深度认知诊断模型

智能教育中,认知诊断通过分析学习者的学习行为数据来理解学习者的认知状态。现有基于深度学习方法的认知诊断模型默认假设学习者在作答过程中有足够的作答时间来完全发挥知识掌握水平,未考虑学习者在作答过程中的作答速度与作答准确率之间的权衡策略对发挥知识掌握水平的影响。针对上述问题,提出了一种基于速度与准确率权衡的深度认知诊断模型,首先构建认知风格模糊集解释学习者的权衡策略,然后通过动态逻辑回归函数模拟学习者作答过程中的速度与准确率权衡关系,实现对学习者理论上能达到最高的知识掌握水平与实际作答中发挥出来的知识掌握水平的区分诊断。此外还引入了作答时间属性和题目类型属性,以更准确地表征认知诊断交互函数中的题目参数。大量实验表明,该模型相比同类最优模型在3个公开数据集上准确度分别提升2.58%,2.86%,5.18%,且能为预测结果提供作答时间层面的解释,具有一定的优越性。

面向个性化学习的认知诊断实践探索

针对目前开展混合式教学的现状,提出将知识图谱引入到教学中,利用知识图谱构建课程的知识结构,对课程的在线平台资源进行标注,以数据结构与程序设计课程为例,阐述如何针对学生在线平台上练习的结果,选择合适的认知诊断技术进行分析,获得学生各个知识点的掌握情况,为个性化学习的开展提供有力支撑。

基于粗糙集约简与概率图的认知诊断模型研究

随着孤独症儿童的数量不断增加,准确且及时地对其进行认知诊断变得愈发重要.构建基于粗糙集约简算法的孤独症诊断知识库,研究基于概率图的认知诊断模型,以提高对孤独症儿童诊断的准确性和效率.实验结果表明:该认知诊断模型的均方根误差值范围为0.10~0.11,平均绝对误差值范围为0.009~0.115,在孤独症儿童的认知诊断中具有较高的准确性和稳定性.

高中生平面向量学习的认知诊断研究

随着数学教育的深入发展,平面向量作为高中数学的重要组成部分,对学生数学素养和问题解决能力的培养具有重要意义。然而,由于平面向量的抽象性和复杂性,学生在学习中往往存在认知障碍。因此,文章基于G-DINA认知诊断模型,对高中生平面向量学习进行了深入研究。通过设计并实施测试,全面评估了学生的认知结构和掌握程度,并基于诊断结果绘制了学习路径图,为教师提供了针对性的教学调整建议,对个体学生进行了教学补救。这不仅有助于教师更好地满足学生的学习需求,也为优化平面向量教学内容和方法提供了实证支持。通过推动高中生平面向量教学的改进,期望能够进一步提升学生的学习效果。

基于改进级联宽度学习的自适应认知诊断方法

针对现有的认知诊断模型信息利用不充分以及依赖局部作答信息而导致诊断精度低的问题,提出了基于改进级联宽度学习的自适应认知诊断方法。首先,提取题目的语义、参数等特征,采用无偏差加权进行融合。其次,提出了改进的级联宽度学习系统(improved cascade of broad learning system,ICBLS),旨在学习全序列作答信息,利用残差结构解决长序列学习遗忘的问题,采用网格搜索法确定最优参数组合,进而构建认知诊断模型。最后,经过非线性分类器实现知识状态的分类。以BP神经网络、Bi-LSTM、Bi-GRU为基线模型,在实际的接受性任务中进行了实验验证。结果表明,基于ICBLS的模型获得的最高模式准确率为95.74%,平均属性准确率为98.31%。并且,通过消融实验证明了题目的语义信息有利于模型更准确地发现被试的语言理解能力。

贝叶斯网在小样本认知诊断中的应用

认知诊断的一个理想应用场景是在小样本情境的课堂测试中提供学生的诊断信息,进而促进补救教学;当前多数的认知诊断模型需较大的样本量进行参数估计,并且有些参数估计方法存在计算效率问题不能提供及时的诊断反馈。基于贝叶斯网的认知诊断方法可以实现小样本情况下诊断分类,并且能够提供及时的诊断反馈,这对于推进认知诊断在实践中的应用提供了可能。研究尝试使用贝叶斯网络方法进行小样本认知诊断分类,模拟研究表明:贝叶斯网络方法的诊断分类性能优于同样适用于小样本的海明距离法。

认知诊断模型中被试参数估计方法的选择

根据被试的反应数据获得精细化诊断信息,为研究者提供个性化的指导是CDM的主要目的之一。以往研究在DINA模型下比较了被试参数估计方法(MLE、MAP和EAP)的表现,但在实践中如何选择最有效的方法仍有待研究。本文从理论角度探讨了不同知识状态分布对被试参数估计方法的影响,并进行了模拟研究。结果发现:当属性之间相关时,EAP和MAP方法的分类结果相似并高于MLE。鉴于实践中属性一般呈中等或高相关,建议选择EAP/MAP作为被试参数估计方法。

认知诊断模型中题目拟合评估的研究

有效应用认知诊断模型(cognitive diagnosis model,CDM)的一个关键步骤是检查模型和测验题目是否拟合。尽管已有研究将IRT中的题目拟合检验方法应用于CDM中,然而这些方法在CDM中的表现仍缺乏系统的比较研究。本研究通过模拟实验比较了χ2,G2,S-χ2,z(r),z(l)和Stone-Q1的一类错误率和统计检验力。实验结果显示,综合一类错误率和统计检验力而言,当用ACDM作为生成模型时,z(r)和z(l)的效果最优;当生成模型是DINA或DINO时,在高质量测验中,z(r)的表现最好,而在低质量测验中,χ2和G2的表现更好。最后通过一个实测数据分析,进一步检验了题目拟合检验方法的实证应用效果。