基于IRT的计算机化适应性测验的概念、类型及特征

近年来,适应测验实践的需要,计算机化适应性测验(CAT)呈现多类型、多方向的发展态势。本文在总结梳理国内外相关文献基础上,讨论了基于项目反应理论(IRT)的CAT概念内涵,指出CAT的关键特征是试题难度参数与被试能力参数建立在同一量尺上;并依据概念内涵,将目前CAT多样化测验形式归纳为三个大类,包括基于IRT的认知诊断计算机化适应性测验、计算机化多阶段适应性测验、计算机化分类测验。CAT测验的三大类型各有其测量技术特点与实践应用优势,均具有良好的发展前景。

机器学习方法在测验安全领域的应用

测验安全的事后检测主要依靠统计量方法,而新兴的机器学习方法凭借良好的检测性能与统计量方法形成互补。为了推进测验安全问题的解决,综述了监督学习、无监督学习和半监督学习三大类机器学习方法及其衍生的集成学习、深度学习与迁移学习方法在测验安全领域的应用,阐述了不同机器学习方法的特点,提供了数据的获取及处理、输入特征的选择等实用的方法建议。未来研究可以从机器学习与个人拟合、机器学习与多模态数据、基于生成对抗网络的异常检测,以及增加研究结果的可解释性几方面开展。

汉语发展性阅读障碍评估测验的编制及效度和信度检验

目的:编制汉语发展性阅读障碍评估测验(C-DDAT),并进行效度和信度检验。方法:根据美国精神障碍诊断与统计手册第5版(DSM-5)关于阅读障碍核心特征描述以及阅读理论编制汉语发展性阅读障碍评估测验,包含汉字阅读准确性、流畅性以及阅读理解3个因子。在1925名1~6年级儿童中检验结构效度、内部一致性信度、复本信度,在63名典型发展儿童和26名发展性阅读障碍儿童中检验重测信度。结果:三因子结构模型拟合良好(χ^(2)/df=5.91,CFI=0.996,TLI=0.992,SRMR=0.014,RMSEA=0.056)。效标关联效度为0.51~0.98。汉字阅读准确性测验的内部一致性信度为0.99,汉字阅读流畅性和汉字阅读准确性的复本信度分别为0.94和0.98,重测信度为0.73~0.98。对临床样本进行ROC曲线分析发现,阅读商数(阅读测验综合评分)的区分灵敏性和特异性分别为0.92和0.98。结论:汉语发展性阅读障碍评估测验的效度、信度达到心理测量学要求,可用于基础研究中对儿童基本阅读技能的评估以及临床实践中对儿童阅读障碍诊断的参考。

基于图像识别技术的河流流量测验方法研究进展

河流流量监测对洪水灾害防治和河流管理具有重要意义,然而传统的接触式方法逐渐难以满足当下测流需求。视觉流量测验方法是一种利用视频图像识别表面流速和计算流量的非接触式流量测验方法,与传统的接触式方法相比具有高智能和低成本的优点,可以实现无人化和规模化推广应用,对现有水文监测技术提供有力支撑与补充。目前已发展出基于粒子图像识别、水流时空影像、概率和变分以及深度学习的多种图像测速算法,方法精度和适应性得到多场景验证,然而图像采集条件、复杂气象和水域环境以及参数的不确定性仍然制约着这项技术的发展。通过总结视觉测流实施过程存在的问题,并对现有方法提出改进需求,为进一步研究和应用提供借鉴。

树木画测验在大学生心理健康测评工作中的重要性分析

树木画测验作为绘画心理分析技术的重要方法,在大学生心理健康测评工作中具有重要作用。树木画测验由于其中立而无威胁、自我暴露较少等特点,可以有效地反映出个体真实的心理状态,具体表现在较高的信效度水平、特殊群体的鉴别等方面。此外,树木画测验在大学生心理问题的筛查和干预方面同样具有明显优势。虽然树木画测验已相对成熟,但仍然存在一些问题。因此,未来研究可对树木画测验的标准化及其干预效果有效性追踪等问题开展进一步探索。

团体标准《图像识别法河流流量测验规范》(T/CHES 99-2023)贯标说明

本文旨在探讨团体标准《图像识别法河流流量测验规范》(T/CHES 99-2023)对现代水文监测的重要性,分析其引入的必要性,并详细阐述该标准的贯彻实施程序。通过对比传统河流流量测验方法,本文将展示图像识别技术在提高测量精度、效率及自动化水平方面的显著优势。同时,提出一套系统的贯标流程,总结实际贯标经验,指导水文监测部门有效采纳并应用此标准,促进图像识别法河流流量测验的科学化和现代化。

基于内隐联想测验的民航飞行大学生责任感研究

目的探究飞行员在责任感三个维度上的内隐态度,以及不同分类飞行员的内隐态度强弱,客观评价不同维度间的差异,为培训高水平飞行员提供更加科学和有效的理论支持。方法利用经典实验范式单类内隐联想测验,通过李克特五点计分法以及与航空心理学专家访谈,综合筛选出IAT的概念词与属性词作为实验的刺激材料,设计适合测量飞行学员责任感三个维度的测验程序。从飞行技术专业本科生中选取了164名符合实验要求的被试。结果国家和社会责任感、集体和他人责任感、自我责任感D值均大于零,集体和他人责任感D值大于零的频次数最高,而且D值平均值也最高。集体和他人责任感D值平均值上,农村的飞行学员、城镇飞行学员、非独生子女的飞行学员、独生子女的飞行学员、有对象的飞行学员、没有对象的飞行学员分别为:0.486、0.462、0.5、0.457、0.474、0.468。结论飞行学员国家和社会责任感、集体和他人责任感、自我责任感均倾向于积极,且集体和他人责任感的内隐效应最强。对集体和他人责任感上,农村的飞行学员高于城镇的飞行学员,非独生子女的飞行学员高于独生子女的飞行学员,有对象的飞行学员高于没有对象的飞行学员。

开放式情境判断测验的自动化评分

受限于评分成本,开放式情境判断测验难以广泛使用。本研究以教师胜任力测评为例,探索了自动化评分的应用。针对教学中的典型问题场景开发了开放式情境判断测验,收集中小学教师作答文本,采用有监督学习策略分别从文档层面和句子层面应用深度神经网络识别作答类别,卷积神经网络(ConvolutionalNeuralNetwork,CNN)效果理想,各题评分准确率为70%~88%,与人类评分一致性高,人机评分的相关系数r为0.95,二次加权Kappa系数(Quadratic Weighted Kappa,QWK)为0.82。结果表明,机器评分可以获得稳定的效果,自动化评分研究能够助力于开放式情境判断测验的广泛应用。

计算机自适应测验有效性检验的探索与优化

计算机自适应测验(Computerized Adaptive Testing,CAT)的有效性检验是评定测验生成过程以及解释测验结果是否恰当、合理的必要步骤,然而系统性探讨CAT有效性检验的研究相对较少。为弥补其不足,文章在剖析CAT有效性检验内涵的基础上,首先梳理了基于IRT的题库、模拟CAT与真实CAT有效性检验的基本内容。然后,文章针对题库中试题逐渐向多维度和多模态转变的特点,提出利用高阶因子模型与多质多法模型对多维度与多模态试题进行有效性检验的方法;同时建议从测验公平性的角度,检验CLT与CAT中个体人格特质对被试作答表现的影响是否具有跨组不变性,最终形成了一套符合时代发展的CAT有效性检验的完整流程,以期为CAT的持续改进及其在教育实践中的普及推广提供助力。

水文测验中定点式ADCP设备运行维护及故障处理方法

自动流量测验设备在水文测验中具有时效强、量程大、安全性高等优势,定点式ADCP是目前较为常见的实时在线自动流量测验设备,其设备运行状况直接决定了测验精度、测验稳定性以及测验长效性。结合近年来水文测验中的应用实例,详细阐述定点式ADCP测验设备运行维护的要点,并对常见故障及处理方法进行分析。

沈阳地区水文测站流量测验垂线精简分析

本文以沈阳地区平安堡水文站为例,对测站垂线进行测验精度对比分析。结果表明:在高洪水位时测流垂线从传统布设的6条精简到2~3条,精简后的测验精度可满足《河流流量测验规范》(GB50179—2015)要求。

投射测验(HTP)在心理健康评估中的应用研究

目的:采用房树人绘画测验(House-Tree-Person Test,HTP)和五态人格量表分析大学生的心理健康现状,并探讨HTP对五态人格的影响,为大学生的心理健康管理提供参考依据。方法:采用方便取样的方法,选取贵州省某高校239本科生进行HTP和五态人格测验。结果:大学生的五态人格以阴阳和平(42.26%)为主;太阳、少阳、太阴得分均低于全国常模(P < 0.05),阴阳和平得分高于全国常模(P < 0.05)。HTP结果显示,少阳人格中嘴巴缺失,少阴人格中门前有路、树枝向下,太阴人格中门前有路、人画的小、画面涂擦均有统计学意义(P < 0.05)。Logistic回归分析结果显示门前有路、树枝向下、人画的小、画面涂擦是大学生五态人格的影响因素(P < 0.05)。结论:HTP与五态人格量表可共同应用于大学生心理健康评估。

主题统觉测验用于自杀风险识别——基于语音及文本特征的机器学习研究

自杀风险识别是自杀预防的重要环节,但传统的自陈量表筛查存在虚报/漏报率高的局限。通过两步连续实验对主题统觉测验(TAT)进行的改编实现了基于TAT的小程序自助施测方案,并获取音频及文本数据用于机器学习建模,构建了针对自杀意念的自杀风险识别模型。结果发现,在测验耗时更短的情况下,该模型取得了与前人研究相比综合指数更优的模型效果;词频分析及关键词共线网络分析发现高自杀风险组被试在叙述文本中提及了更多与自杀、自伤相关的词汇以及主题,且使用了更多的排除词。经改编后的TAT小程序施测方案流程标准化且施测便捷,后续可收集更多高质量的样本以构建泛化性能更优的模型,应用于自杀风险识别的辅助评估中。

面向序列诊断的强化计算机自适应测验方法

计算机自适应测验旨在根据学生历史表现为学生选择合适的题目,快速有效地测量学生的真实能力.然而在智能教育场景下,现有自适应测验策略仍存在目标复杂和知识稀疏等问题.为此,文中构建用于智能场景的可精准测评学生知识能力的面向序列诊断的强化计算机自适应测验方法,包括基于序列诊断的学生模拟器和学生画像模型,并针对真实场景中自适应测验的目标复杂性,设计薄弱点准确率、预测表现耦合、自适应测验时长、测验异常率和测验的难度结构这5个评价指标.进一步地,提出基于强化学习的计算机自适应测验选题策略,利用双通道自注意力学习及矛盾学习模块缓解知识稀疏的问题.真实数据上的实验表明,文中选题策略不仅可高效测量学生真实能力,还可优化学生的作答体验,同时选择的题目也具有一定的可解释性,从而为智能教育场景下的计算机自适应测验提供一个可行方案.

结合作答时间的自适应测验组卷方法

随着信息技术发展和计算机化自适应测验应用的普及,作答时间数据作为测验过程信息越来越容易获得,在心理测量领域的应用越来越广泛。将作答时间及模型应用于自动化组卷,对提高测验效率、被试能力估计精度乃至教育公平都有非常重要的意义。本文通过对自适应测验中组卷方法及研究结果进行系统梳理,全面展示结合作答时间数据的组卷方法,探究该类组卷方法对测验总时间约束、测验效率、题库安全、被试作答时间差异等问题的解决方案。对结合作答时间数据的组卷方法进行拓展,以及将研究成果应用于我国的大规模测评项目,都是未来需要探索的重要研究方向。

威斯康星卡片分类测验在早中期帕金森病认知评估中的应用研究

目的:将早中期帕金森病患者使用威斯康星卡片分类测验(WCST)与传统认知评估量表进行对比,分析使用WCST进行认知评估时认知功能损害特征及适用性情况。方法:回顾性分析2022年4月10日~11月15日在本院就诊的早中期原发性帕金森病患者53例,分别进行了WCST、简易智力状态检查量表(MMSE)、蒙特利尔认知功能评定量表(MoCA)、帕金森病认知功能评定量表(PD-CRS)评估,对WCST与各量表测试结果的异常率进行对比,并将WCST与各量表执行功能亚项得分进行相关性分析。结果:共纳入患者53名,Hoehn-Yahr(H-Y)分级≤3级,MMSE平均得分27.9,小于26分的患者共7名,异常率为13.21%;MoCA平均得分25.6,小于26分的患者共22名,异常率为41.51%;PD-CRS平均分85.2,小于80.5分的患者共19名,异常率为35.85%。WCST测试中得分异常的患者共34名,异常率为64.15%,WCST与传统认知量表相比筛查出认知障碍患者例数差异具有统计学差异(P<0.01)。相关分析显示WCST得分与MoCA执行功能得分及PD-CRS执行功能得分有不同强度的相关性,相关系数介于-0.312~0.515。MMSE总分、MoCA总分及PD-CRS总分正常的患者中分别有26例、17例、17例患者在WCST测试中结果异常,且WCST对于运动障碍、言语障碍及视力下降患者也适用。结论:WCST在帕金森病患者认知评估中较MMSE、MoCA及PD-CRS量表更容易检查出认知障碍患者人群、适用范围更广。

听觉词汇学习测验对于轻度认知障碍转归的预测价值研究

目的研究听觉词汇学习测验(auditory vocabulary learning test,AVLT)对轻度认知障碍(mild cognitive impairment,MCI)进展为痴呆的预测能力。方法对257例MCI患者进行纵向随访,然后根据临床结果将其分为痴呆进展组和非痴呆进展组。比较这些组的基线人口统计学信息和AVLT评分。构建受试者工作特征(receiver operating characteristic,ROC)曲线以评估AVLT评分对MCI转归的区分值。结果在6年后的随访中,有45例受试者进展为痴呆,归为痴呆进展组(MCI progression,MCIp),3例受试者恢复正常认知,209例受试者维持MCI,一同归为非痴呆进展组(MCI non-progression,MCInp)。在基线时,MCIp组的AVLT评分明显低于MCInp,差异有统计学意义(P<0.05)。ROC曲线分析显示,AVLT延迟回忆(delayed recall,AVLT-DR)在区分MCI患者进展为痴呆方面有最大的曲线下面积(largest area under the curve,AUC),是重要预测指标。结论AVLT,尤其是AVLT-DR评分较低能较好预测MCI进展为痴呆,但由于其特异度偏低,需要联合其他特异度高的量表综合使用来运用于临床工作。

华山版听觉词语学习测验在主观认知下降和轻度认知障碍患者中的应用初探

目的:探索华山版听觉词语记忆测验(auditory verbal learning test-Huashan version,AVLT-H)在主观认知下降(subjective cognitive decline,SCD)和轻度认知障碍(mild cognitive impairment,MCI)患者记忆功能障碍中的应用价值。方法:筛查招募的老年人,根据入组标准分为三组,即正常组、SCD组和MCI组,并完成神经心理学测试简易智能精神状态检查(mini-mental status examination,MMSE)、北京版蒙特利尔认知评估量表(Montreal Cognitive Assessment-Beijing version,MoCA-BJ)及AVLT-H,从而获得MMSE、MOCA、AVLT-H的即刻回忆N1、N2、N3、延迟回忆N4、N5、线索回忆N6及再认N7得分;结果:①三组老年人的神经心理学测试发现MMSE、MoCA及AVLT各项评分均存在显著性差异(P<0.0167)。采用Bonferroni法校正显著性水平的事后两两比较发现,MMSE和MoCA评分在SCD与NC之间(P<0.001)、MCI与NC之间(P<0.001)均有显著性差异,在MCI与SCD之间无显著性差异;N1评分在MCI与NC之间(P=0.013)、MCI与SCD之间(P=0.001)均有显著性差异,在SCD与NC之间无显著性差异;N2、N3、N4、N5、N6及N7评分在MCI与NC之间(P<0.001)、MCI与SCD之间(P<0.001)均有显著性差异,在SCD与NC之间无显著性差异。②分别以NC组和SCD组为状态变量对MMSE、MoCA和AVLT-H得分进行曲线下面积检测,发现对于区分MCI和SCD,AVLT-H各项得分具有较大的曲线下面积,且敏感度和特异度较高,N1和N7的敏感度最高;对于区分MCI和NC,AVLT-H和MoCA得分具有较大的曲线下面积,且敏感度和特异度均较高,N4、N6和N7的敏感度最高。结论:AVLT-H可完善MMSE、MoCA对于MCI和SCD的界定诊断,值得将AVLT-H作为MCI和SCD的常规评估方法,即联合使用AVLT-H、MMSE或MoCA可提高其诊断的准确性。

中文版福特应激性失眠反应测验在短期失眠障碍患者中的心理测量学特征

目的验证中文版福特应激性失眠反应测验(FIRST-C)在短期失眠障碍(STID)患者中的心理测量学特征。方法于2017年11月至2019年6月期间在南方医科大学南方医院门诊招募STID患者172例(STID组),另选取睡眠良好对照者(GSC)150名(GSC组)。采用FIRST-C、失眠严重程度指数(ISI)、艾普沃斯嗜睡量表(ESS)和医院焦虑抑郁量表(HADS)进行评估。其中72例STID患者在3个月后接受重测。结果STID组的FIRST-C总分显著高于GSC组(P<0.05)。探索性因子分析显示,FIRST-C具有单因子结构,可解释方差百分比为51.04%,各条目因子载荷范围在0.405~0.828之间。STID组的FIRST-C评分与ESS评分呈中度正相关(r_(s)=0.498,P<0.001),与HADS评分呈轻度正相关(r_(s)=0.174,P=0.024),与ISI评分不相关(r_(s)=0.001,P=0.995)。受试者工作特征(ROC)曲线分析结果显示FIRST-C鉴别STID和GSC的最佳划界分值为19.5分。信度分析显示,Cronbach′sα系数和Spearman-Brown分半信度分别为0.873、0.864,条目得分与总分的相关系数范围为0.326~0.752。3个月后复测FIRST-C总分与初测FIRST-C总分差异有统计学意义(t=5.440,P<0.001)。结论FIRST-C评估STID患者的睡眠反应性具有较好的心理测量学特征。

小学生数学核心素养测验量表的编制与验证

近年来,以素养为导向的数学教育改革蓬勃展开。关于数学核心素养的评价研究亟需关注,并有必要专门研制小学生数学核心素养测量工具。基于小学生数学核心素养模型及国际权威数学素养测评PISA试题,编制了用于评价小学生数学核心素养水平的测验量表,包括侧重于数学认知的《小学生数学核心素养认知测验试卷》和侧重于数学情感与环境的《小学生数学核心素养非认知测验问卷》。两者分别在200多名六年级小学生中进行了多次检测、修订以及信度、效度检验和项目分析。通过项目修正以及验证,结果表明:这套测验量表的试卷和问卷具有较高的信度,Cronbach’sα系数、重测信度以及折半信度均达到统计学要求的水平;具有较高的效标效度和结构效度,项目难度分布比较合理,项目区分度较高。该套量表可作为我国小学生数学核心素养的测量工具。