基于认知设计系统的几何类比推理测验的编制及认知模型分析

认知诊断是一种新的测量范式。本研究首先根据Mulholland,Pellegrino&Glaser和Whitely&Schneider关于类比推理的研究结果,采用认知设计系统编制了几何类比推理测试题,并对所编制的测试题的质量进行验证,然后采用口语报告法分析解决几何类比推理所涉及的认知模型,结果表明:1)编制的几何类比推理测试题的质量比较好;2)学生解决类比推理所涉及的认知属性主要为置换、翻转、旋转、数量、大小、颜色与条纹和形状。

4～8年级学生几何类比推理问题解决认知诊断

认知诊断是一种新的测量范式,有助于人们更好地了解人类内部心理活动规律及其加工机制,实现对个体认知强项和弱项的诊断评估,该研究采用HO-DINA对4～8年级学生的几何类比推理能力进行诊断评估。结果表明:1)4～8年级的学生对几何类比推理问题的掌握情况比较良好,其中对属性A1和A4掌握的比较理想,对属性A2掌握的比较差。同时七个认知属性存在年级差异,六年级是学生几何类比推理能力发展的最快时期;2)学生所犯的认知错误主要以"0000000"、"1111011"、"0001000"、"1011111"和"1001110"五种认知错误为主,占总认知错误的44.55%,而这些错误与属性A2和A5有关。

中学生图形推理认知特征诊断

在前人的研究基础上进行口语报告分析,形成图形推理的认知成分模型。引进多策略多成分潜在特质模型(MLTM for MS)将图形推理的认知成分模型与心理测量模型加以整合,对235名中学生图形推理认知特征进行诊断。结果发现:(1)图形推理总能力相同的被试,各成分对应能力即视知觉识别能力、规则构建能力、规则应用能力不一定相同。(2)被试使用知觉分析策略和分析策略的正确作答概率较高,而使用猜测策略的正确作答概率较低。

基于认知诊断的被试类比推理测验行为分析

本文在构建被试解题路径模型的基础上,应用多策略多成分潜在特质模型研究被试类比推理测验的行为,精细地分析了被试在类比推理过程中所使用的策略、分析了影响被试类比推理测验策略选择的因素、估计了被试在类比推理测验中所表现的各种能力。

物联网技术应用于学前儿童类比推理评价与学习支持的研究——基于认知诊断方法

在智慧教育背景下开展交叉学科研究,探究物联网技术在学前儿童类比推理评价与学习支持领域的应用。研究借助物联网技术设计类比推理工具,自动化采集和传输数据,采用认知诊断方法从更为微观的层面探究幼儿类比推理的特点、自动化反馈对幼儿类比推理学习的影响。研究发现,反馈和反馈+解释能够有效促进学前儿童类比推理能力的发展,促使学前儿童类比推理认知属性掌握模式的改变。利用物联网技术设计学前儿童学习与发展评价工具具有可行性和有效性,自动化反馈能够支持学前儿童类比推理学习。