版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、相較與標(biāo)準測驗理論,新一代測驗?zāi)軌蛱峁┯嘘P(guān)被試的詳細信息。作為新一代測驗理論重點,認知診斷受到國內(nèi)外研究者的廣泛關(guān)注。認知診斷模型的建立就是為了評估被試,得到個體的詳細信息。Leighton等人提出的屬性層級模型(AHM)是一種基于統(tǒng)計模式識別和分類的認知診斷模型。根據(jù)已確定的屬性之間的層級關(guān)系,屬性層級模型可以將被試在試題上的反應(yīng)模式即觀察反應(yīng)模式(ORP)劃歸為期望反應(yīng)模式(ERP),以此得到被試的知識狀態(tài),進而能夠?qū)Ρ辉囘M行有效的
2、、有針對性的補救。 屬性層級模型中有兩種模式分類方法:方法A和方法B。本文對這兩種方法進行了探討和研究,指出其不足之處,并在此基礎(chǔ)上提出一系列關(guān)于期望反應(yīng)模式和觀察反應(yīng)模式之間的相似性指標(biāo)。為了提高判準率,兩個因素被仔細考慮:期望反應(yīng)模式的概率(或觀察反應(yīng)模式),例如:期望反應(yīng)模式的可能性(或觀察反應(yīng)模式)和期望、觀察反應(yīng)模式一致部分的可能性。一系列新的關(guān)于兩者概率和相似性指標(biāo)的分類方法就此建立。 本文對以上所有分類方法
3、的屬性模式判準率和屬性邊際判準率進行了模擬研究。結(jié)果表明,在按照Ying Cui和Leighton等人(2006)提出的模擬方法進行模擬實驗的情況下,即猜測和失誤(Leighton等稱其為slip)服從(0,1)上的均勻分布、各期望反應(yīng)模式人數(shù)服從正態(tài)分布的情況下,所有的新方法中的A方法均比Leighton等人提出的方法A在屬性模式分類正確率上有大幅提高,并且隨著slip的增多而優(yōu)勢更加明顯;而新方法的B方法較Leighton等人的方法
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Hadoop環(huán)境下基于BoF模型的圖像分類方法研究.pdf
- 應(yīng)用AHM方法診斷中學(xué)生解題中的錯誤.pdf
- 基于新缺陷分類模型的缺陷跟蹤管理.pdf
- 基于SPM模型的圖像分類方法研究.pdf
- 基于分類模型的廣告推薦方法研究.pdf
- 基于PDE的新圖像擴散模型及分類擴散.pdf
- 我國露天煤田分類研究_分類方法及模型的建立
- 基于詞袋模型的圖像分類方法研究.pdf
- 多核學(xué)習(xí)下的場景分類方法研究.pdf
- 基于圖模型的Web文檔分類方法研究.pdf
- 基于相關(guān)主題模型的音樂分類方法研究.pdf
- 基于相關(guān)主題模型的文本分類方法研究.pdf
- 基于主題模型的新聞標(biāo)題分類方法研究.pdf
- 基于人工智能方法的貸款分類模型研究.pdf
- 基于引力場模型的文本分類方法.pdf
- 基于主題模型的中文情感分類方法研究.pdf
- 分類問題中的新類識別與分類器更新方法研究.pdf
- RSM改進及多級評分AHM的開發(fā)研究.pdf
- 非平衡數(shù)據(jù)下的核方法分類研究.pdf
- 基于分類模型的知識發(fā)現(xiàn)機理和方法研究.pdf
評論
0/150
提交評論