-
题名概率性输入,噪音“与”门(PINA)模型
被引量:5
- 1
-
-
作者
詹沛达
边玉芳
-
机构
北京师范大学中国基础教育质量监测协同创新中心
北京师范大学认知神经科学与学习困家重点实验室
-
出处
《心理科学》
CSSCI
CSCD
北大核心
2015年第5期1230-1238,共9页
-
文摘
当前认知诊断测验的主要目的是对被试进行合理分类,进而采用类别变量去描述被试对某技能或知识(即认知属性)的掌握情况,但该粗糙的分类方法不能精细地区分不同被试之间的差异。对此,采用掌握概率这一连续变量去描述被试对某认知属性的掌握情况是一种值得尝试的做法。本文首先基于高阶潜在特质(简称"潜质")模型给出了认知属性掌握概率的量化定义,之后与多成分潜质模型相结合提出了概率性输入,噪音"与"门(PINA)模型;其次,采用MCMC算法实现了对PINA的参数估计,结果表明参数估计程序对各参数的估计返真性均较好;最后,以ECPE数据为例来说明PINA在实际测验分析中具有可行性。
-
关键词
认知诊断
认知属性掌握概率
PINA
高阶潜在特质
Q矩阵
项目反应理论DINA
-
Keywords
cognitive diagnosis, attribute mastery probability, PINA, higher-order latent traits, Q matrix, item response theory, DINA
-
分类号
B842.1
[哲学宗教—基础心理学]
-