基于属性多级化的认知诊断计算机化自适应测验设计与实现

本研究在传统CD-CAT的基础上进行拓展,开发设计了可以处理属性多级化的CD-CAT(记为p CD-CAT),而且当测验所有属性的水平数Lk=2时则p CD-CAT可简化为CD-CAT,因此传统CD-CAT是本研究设计开发p CD-CAT的一个特例。Monte Carlo模拟实验结果表明:基于属性多级化框架下设计的p CD-CAT具有较好的诊断正确率、题库安全性和较高的测验效率,弥补了传统CD-CAT不足;当属性多级化时,若采用传统CD-CAT方法,则诊断正确率很不理想(属性模式判准不到30%),表明传统CD-CAT在属性多级化测验情景时不适宜,而本文设计的p CD-CAT是一种不错的选择(属性模式判准高达80%以上)。总之,本研究对于进一步拓展CD-CAT在实践中的应用提供了新方法和新技术支持。

属性多级化的认知诊断模型拓展及其Q矩阵设计

本研究在传统0-1属性的基础上,拓展出可以处理属性多级化的认知诊断模型——PA-rRUM和PA-DINA模型。Monte Carlo模拟研究表明:拓展模型具有较高的属性诊断正确率和参数估计精度,且参数估计的稳定性较强,说明拓展模型基本可行,可以用于实现多级化属性的认知诊断。这弥补了传统0-1化属性认知诊断模型的不足,具有较好的发展和应用前景;同时本研究还探讨了拓展模型性能及属性多级化下测验Q矩阵的设计。总之,本研究对于进一步拓展认知诊断在实践中的应用提供了重要的方法和技术支持。

基于认知诊断的儿童空间认知能力研究

空间认知能力是儿童智力发展的重要组成部分,对儿童的发展起着重要作用。基于此,对空间认知能力进行了研究,首先阐述了空间认知能力的概念,其次分析了空间认知能力的属性,最后基于属性多级化模型的儿童空间认知能力进行了实例分析,以期促进学生核心素养的发展。