小直径钢管桩Q-s曲线的数值模拟与分析

目前小直径钢管桩在工程领域内得到了广泛应用,但是为确定小直径钢管桩竖向承载力,通常需要采用静力荷载试验获取其荷载-沉降曲线作为其判断依据,然而原位试验不仅过程复杂,而且耗时较长,同时需要投入大量的人力和物力。利用理论模型推导获得小直径钢管桩的Q-s曲线,不仅可以省去现场试验的必要性,而且能提高设计和施工的效率。本文结合前人的研究,在桩土接触面单元的建立过程中参考了无厚度Goodman界面单元法,理论推导小直径钢管桩的Q-s曲线,并与实测结果对比分析,证明了该理论方法的适用性,并分析了结果存在误差的原因,鉴于较小的沉降对小直径钢管桩承载力的影响较小,因此工程实践中可以通过理论方法获取Q-s曲线。

认知诊断模型Q矩阵修正:完整信息矩阵的作用

Q矩阵是CDM的核心元素之一,反映了测验的内部结构和内容设计,通常由领域专家根据经验进行主观界定,因此需要对可能存在的错误进行修正。本研究提出了一种新的Q矩阵修正方法——基于完整经验交叉相乘信息矩阵的Wald-XPD方法。采用Monte Carlo模拟检验了新方法的表现,并与同类方法进行了比较。研究表明:新开发的Wald-XPD方法在Q矩阵恢复率、保留正确标定属性的比例以及修正错误标定属性的比例这3个主要指标上均有较好的表现,且整体上优于其他方法,尤其是在修正错误标定的属性方面。通过实证数据展示了Wald-XPD方法在Q矩阵修正中的良好表现。总之,本研究为Q矩阵修正提供了有效的方法。

基于认知诊断理论的国际中文阅读测验Q矩阵的构建

Q矩阵的合理构建是成功进行认知诊断分析的先决条件,然而对目前广泛存在的非诊断性大型标准化测验来说,确定Q矩阵是一项极具挑战性的工作,国际中文阅读测验也不例外。本研究以YCT(四级)阅读测验为例对大型标准化国际中文阅读测验Q矩阵的构建进行探讨。研究通过文献回顾和专家判断得到了测验所考查的子技能并初步构建Q矩阵,然后基于R-RUM模型的分析结果从量化角度对初始Q矩阵进行优化并检验。结果表明,YCT(四级)阅读测验考查了“词汇识别”“句法分析”“语义命题构建”“推理”四种子技能;通过质性分析和量化分析相结合的方法可以有效构建国际中文阅读测验Q矩阵,从而为后续的诊断分析打下良好的基础。

CD-CAT中基于SCAD惩罚和EM视角的在线标定方法开发——G-DINA模型

G-DINA(the generalizeddeterministic input,noisy and gate)模型限制条件少,应用范围广,满足大量心理与教育评估测验数据的要求。研究提出一种适用于G-DINA等模型的同时标定新题Q矩阵与项目参数的认知诊断计算机化自适应测验(CD-CAT)在线标定新方法SCADOCM,以期促进CD-CAT在实践中的推广与应用。本研究分别基于模拟题库以及真实题库进行研究,结果表明:相比传统的SIE方法,SCADOCM在各实验条件下均具有较为理想的标定精度与标定效率,应用前景较好;SIE方法不适用于饱和的G-DINA等模型,其各实验条件下的Q矩阵标定精度均较低。

哪个测验Q矩阵更合理:基于DINA模型测验Q矩阵合理性侦查指标及其比较与应用

本研究对多个测验Q矩阵的相对合理性的比较与选用开展研究,采用Monte Carlo模拟与实证研究相结合的范式,探讨R_square、HCI、-2LL、AIC、BIC、residual、ABS_residual及本研究新开发的BIC2等八项指标在测验Q矩阵合理性侦查效果及其比较。研究发现:八项指标中,除BIC和BIC2两项指标的对测验Q矩阵相对合理性的平均正确识别率在95%以上,其余指标的平均正确识别率不足90%,整体而言,考虑样本容量及参数个数双重加权的BIC和BIC2两项指标的表现总体上优于其它几项指标;各项指标在不同Q矩阵错误类型下其正确识别率也不尽相同。

多值Q矩阵理论

罗列了特殊多值Q矩阵与0-1可达阵的相互转换算法,给出多值扩张算法和多值理想反应模式的计算方法.在多值扩张算法的基础上,证明了在一定条件下,多值拟可达阵作为测验Q矩阵的子矩阵,可以使得多值的知识状态和理想反应模式一一对应,从而可指导多级评分认知诊断测验蓝图编制.

认知诊断测验Q矩阵估计方法比较

认知诊断以微观认知角度对被试做出准确评估与反馈的优势在心理与教育测量领域展现出巨大发展潜力,但要利用这种优势就必须确保Q矩阵的合理性。研究表明错误界定的Q矩阵会严重影响模型参数估计和被试分类准确性。本文从参数化与否出发介绍6种基于被试作答反应的Q矩阵估计方法的基本思想、实现步骤及应用情况,总结这些方法的特点并展望未来研究方向,为认知诊断研究及应用提供借鉴和基础。

测验Q矩阵中属性指定、选择和验证方法

在认知诊断评估中,构建正确测验Q矩阵十分关键但比较困难。本文在简要介绍认知诊断评估之后,从认知诊断模型视角,重点阐述和评价了知名模型或框架下(规则空间模型、属性层级模型、融合模型、回归树、确定性输入噪音与门模型、证据中心设计和认知设计系统)测验Q矩阵中属性指定、选择和验证的方法,指出了各方法的优势和劣势。最后,归纳了测验Q矩阵构建的一般性步骤和方法,并讨论了未来可能研究方向。

Q矩阵理论的扩展

对Q矩阵理论及其改进、拓展进行了简略的回顾。给出基本矩阵的概念,针对两个属性之间存在多条路径的这种层级结构,提出将基本矩阵作为测验蓝图的子矩阵以提高认知诊断准确率;在某种期望反应得分模式下,讨论多级评分的认知诊断测验蓝图的设计问题,给出了知识状态和期望反应模式一一对应的充分条件。

大型标准化国际中文阅读测验认知诊断信息挖掘研究

本文以HSK(四级)阅读测验为例,对如何从大型标准化国际中文阅读测验中挖掘认知诊断信息进行了系统研究。研究结果显示,基于翔实的测验内容分析构建Q矩阵,并且在此基础上选择适用的诊断模型,能够从大型标准化国际中文阅读测验中成功挖掘认知诊断信息;HSK(四级)阅读测验考查了“句法分析”“语义命题构建”“信息查找”“推理”“简单语义关系构建”“复杂语义关系构建”六种子技能,学习者的子技能掌握模式较为分散,认知诊断分析能够明确指出个体的优势和劣势,在提示后续的补救方向上发挥较大作用。

一种广义的认知诊断Q矩阵修正新方法

本文提出了一种新的Q矩阵修正方法--两阶段法(two-stage method),该方法不仅适用于简化的认知诊断模型,也适合于饱和的认知诊断模型,在实践应用中更具灵活性。模拟研究和实证研究表明:第一,两阶段方法整体上优于国际上知名的ζ2法(de la Torre&Chiu, 2016);第二,两阶段方法受被试人数和Q矩阵的错误率影响较小,尤其在小样本时仍有相对理想的正确率;第三,实证数据研究表明,两阶段法修正后的Q矩阵与数据拟合更好。

认知诊断分类中心的确定

期望反应模式是认知诊断分类的类中心,确定了诊断范围中属性及其层级关系后,类中心的数目由测验Q矩阵决定。类中心应该是完备的,即理论上有多少个知识状态就应该有多少个类中心,这涉及评分方式、Q矩阵设计、Q矩阵评价与修改、认知诊断测验如何实施等问题的讨论。重点给出多级评分认知诊断测验不同属性层级对应的完备Q矩阵设计的例子和罗列了Wang等人(2013)的Q矩阵修改的方法。

0-1评分认知诊断测验设计

认知诊断测验设计实质上是测验Q矩阵设计,设计应最大限度覆盖诊断的构念,充分发挥代表认知模型的属性层级关系的重要作用.主张测验充分表达被试知识结构,提倡测验Q矩阵和被试知识状态共享同一层级结构,以实现对被试更加准确的诊断.对于非独立型层级结构,无法实现属性使用次数平衡而应采用题目属性向量使用平衡策略.对Liu Ren(2017)的测验设计提出质疑.

小学四、五年级数学诊断性测验的编制——基于规则空间模型的方法

基于规则空间模型,以小学四、五年级数学诊断性测验的编制为例,探索了认知诊断理论背景下诊断性测验的编制方法。研究发现,基于规则空间模型编制的诊断性测验具备优良的信效度,尤其在结构效度上具有突出优势。应用该测验对1059名四、五年级学生进行诊断测验的结果显示:在整体上,学生对整数、初级运算与应用掌握得较为巩固,对量、统计、规律、高级运算掌握较差;在发展趋势上,量、统计、规律、高级运算是四、五年级之间进步最快的属性。

多级评分认知诊断测验蓝图的设计——独立型和收敛型结构

定义了属性之间菱形层级结构的概念.在某种给定的评分方式下,假设属性之间没有补偿作用,讨论独立型、菱形层级结构对应的多级评分认知诊断测验蓝图设计问题,分别构造出相应的完备Q阵.

多级评分认知诊断测验蓝图的设计——根树型结构

在某种给定的评分方式下,假设属性之间没有补偿作用,讨论多级评分认知诊断测验蓝图设计问题.根据图论,将J.P.Leighton等定义的线型、发散型、无结构型属性层级结构归结为根树型,构造出相应的完备测验Q阵,即是使知识状态与期望反应模式一一对应,且列数最少的测验Q阵.完备Q矩阵均受到测验Q阵的秩的制约.

认知诊断评价中测验结构的优化设计

Q矩阵是认知诊断评价的基础和核心要素,它反映了测验的构念和内容设计,直接影响着测验诊断分类的效果。本文采用Monte Carlo模拟,研究了6种属性层级关系下,不同的Q矩阵设计对于认知诊断效果的影响。用模式判准率的均值和标准差分别从分类准确性和稳定性的角度来评价诊断效果。实验结果表明:(1)不同属性层级关系下,分类准确性会随着测验长度的增加而提高,但当测验长度增加到一定程度时,会出现"天花板效应";(2)Q矩阵中R*的个数(NR*)会影响测验的分类准确性及稳定性:NR*越大,测验的分类稳定性越高,当测验长度为属性个数的整数倍,且NR*为测验长度相对属性个数的最大奇数倍时分类准确性最高;(3)Q矩阵中除R*以外的项目考察的属性个数会随着属性层级关系的不同对测验的分类准确性和稳定性产生不同的影响。根据实验结果,本研究提出了进行诊断评价时Q矩阵优化设计的一些建议。

语言测试中的认知诊断及其应用流程

认知诊断是在认知心理学、项目反应理论、统计数学发展的推动下兴起的一项新的诊断技术,它通过获得被试在测试上的可观察反应模式而推知该被试不可观察的知识状态,用来测量/评估个体特定的知识结构和加工技能。在应用流程上,认知诊断有两大阶段,第一阶段侧重认知属性的确定和Q矩阵的建立,第二阶段侧重认知诊断的分析。认知诊断一般可产生四个方面的分析结果:认知属性的总体掌握概率、样本的认知属性掌握类型及其分布比例、认知属性的个体掌握概率以及基于认知属性的试题分析。认知诊断在语言测试中的应用对语言及语言测试的理论研究、语言测试的设计、语言教学、语言学习都具有重要的意义。

一种高效的CD-CAT在线标定新方法:基于熵的信息增益与EM视角

项目增补(Item Replenishing)对认知诊断计算机自适应测验(CD-CAT)题库的维护有着至关重要的作用,而在线标定是一种重要的项目增补方式。基于数据挖掘中特征选择(Feature Selection)的思路,提出一种高效的基于熵的信息增益的在线标定方法(记为IGEOCM),该方法利用被试在新旧题上的作答联合估计新题的Q矩阵和项目参数。研究采用Monte Carlo模拟实验验证所开发新方法的效果,并同时与已有的在线标定方法SIE、SIE-R-BIC和RMSEA-N进行比较。结果表明:新开发的IGEOCM在各实验条件下均具有较好的项目标定精度和项目估计效率,且整体上优于已有的SIE等方法;同时,IGEOCM标定新题所需的时间低于SIE等方法。总之,研究为CD-CAT题库中项目的增补提供了一种更为高效、准确的方法。

认知诊断模型题目功能差异检验方法的健壮性比较

在认知诊断模型中进行题目功能差异(DIF)的检测,目的在于保证测验的质量与效果。在以往研究的基础上,本研究重点探索在CDMs框架下,MH、LR、CSIBTEST、WObs、WSw、WXPD 6种DIF检测方法在Q矩阵是否正确设定以及有关DIF影响因素等条件下的表现。结果表明:在Q矩阵正确设定时,WObs、WSw和WXPD统计量表现要好于MH、LR和CSIBTEST方法;在Q矩阵错误设定时,6种方法都会出现Ⅰ类错误率膨胀和统计检验力较低的现象。相对而言,MH、LR和CSIBTEST方法的表现比较稳定,WObs、WSw和WXPD统计量的表现变化较大,WObs、WSw和WXPD统计量的Ⅰ类错误率和统计检验力的结果依然好于MH、LR、CSIBTEST方法。