基于分部评分模型思路的多级评分认知诊断模型开发

基于分部评分模型的思路,本文提出了一般化的分部评分认知诊断模型(General Partial Credit Diagnostic Model,GPCDM),与国际上已有的基于分部评分模型思路的多级评分模型GDM(von Davier,2008)和PC-DINA(de la Torre,2012)相比,GPCDM的Q矩阵定义更加灵活,项目参数的约束条件更少。Monte Carlo实验研究表明,GPCDM模型的参数估计精度指标RMSE介于[0.015,0.043],表明估计精度尚可;TIMSS(2007)实证数据应用研究表明,与GDM和PC-DINA模型相比,GPCDM与该数据的拟合度更好,并且使用GPCDM分析该数据的诊断效果也更优。总之,本研究提供了一种约束条件更少、功能更为强大的多级评分认知诊断模型。