贝叶斯网在认知诊断中的应用

【摘要】： 传统的测验分数只是对被试能力一个笼统的大概描述,提供的参考信息十分有限,无法解释不同知识状态或不同认知结构却有相同分数或相同能力的现象,也无法区分相同分数的个体间差异。认知诊断测验能对被试在完成测验项目时的认知过程或心理加工过程进行诊断和评估,因此认知诊断测验能够为被试、教师和教育管理部门提供更多和更加具体可参考的信息。认知诊断测验受到越来越多研究者的重视。从被试的作答中诊断出被试对认知属性的掌握情况是认知诊断测验的主要任务,相应地,出现了不同的诊断模型和方法,如Tatsuoka的规则空间模型RSM、Leighton等人的属性层次方法AHM、MacReady的DINA模型等。不同的诊断模型对被试诊断有不同的方法,实现起来的复杂程度及诊断的准确性也有所不同。 由于RSM是先编制测验项目,然后由领域专家根据项目分析出测验的关联Q矩阵。实际上,已有研究证明,这种通过分析测验项目来得到Q矩阵的方法是存在问题的。贝叶斯网对不确定性问题有很强的推理能力,近几年来,受到众多研究者的重视。本研究根据被试的作答向量和测验项目所考察的属性得到被试的属性掌握模式,对被试的属性掌握模式进行贝叶斯网结构学习,得到属性之间的层级关系。蒙特卡罗模拟实验的结果表明,对根据项目分析得到的Q矩阵,是一个很好的参考。 基于贝叶斯网的分类器以其坚实的理论基础和良好的分类性能,使其在很多领域都得到应用和推广。本研究将贝叶斯网分类器应用到现代教育测量的认知诊断分类中,对0,1计分和多级计分进行蒙特卡罗模拟实验。0,1计分情形与AHM的分类方法(方法A,方法B)进行比较;多级计分情形与祝玉芳研究的多级计分的AHM的分类方法、对数似然比(LL)方法进行比较。结果表明,贝叶斯网分类器的分类效果更有优势。